如何让 SK Learn 分类器接受 2D 数组作为预测的输入？答案

【问题标题】：How do I make an SK Learn Classifier accept a 2D array as input for predictions?如何让 SK Learn 分类器接受 2D 数组作为预测的输入？
【发布时间】：2019-05-22 16:38:42
【问题描述】：

所以我制作了一个混合数据类型的模型，并使用了 SK Learn Docs 中推荐的示例，使用列转换器来构建分类器。

https://scikit-learn.org/stable/auto_examples/compose/plot_column_transformer_mixed_types.html#sphx-glr-auto-examples-compose-plot-column-transformer-mixed-types-py

由于输入来自 csv，并被转换为 Pandas 数据帧，因此 X_test、X_train、y_test、y_train 看起来也都是数据帧。将 y_test 传递给 clf.predict() 函数工作正常，我收到了预测。

但是，我想托管此模型 Google 云 ML 引擎，它在预测请求 API 中接受 2D 实例数组。如何让我的分类器适应并接受输入数组而不是数据框？我意识到这可能相当琐碎，但很难找到解决方案。

【问题讨论】：

传递一个 numpy 数组有效吗？如果是这样，并且您从 DataFrame df 开始，那么只需传递 df.values。如果您需要 python 原生 2D 列表，df.values.tolist()。我对 Google ML Cloud 不熟悉，所以也许这完全没有意义。

标签： python machine-learning scikit-learn google-cloud-ml

【解决方案1】：

要使您的分类器与 Google Cloud Machine Learning Engine (CMLE) 兼容，您需要从管道中分离出预处理器和 LogisticRegression 分类器。您将需要执行预处理逻辑客户端，并且独立分类器将托管在 CMLE 上。

在读取 csv 文件并定义数字和分类转换器后，您需要修改训练代码如下：

...

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

preprocessor = ColumnTransformer(
    transformers=[
        ('num', numeric_transformer, numeric_features),
        ('cat', categorical_transformer, categorical_features)])
model = LogisticRegression(solver='lbfgs')

X_train_transformed = preprocessor.fit_transform(X_train)
model.fit(X_train_transformed, y_train)
print("model score: %.3f" % model.score(preprocessor.transform(X_test), y_test))

您可以导出模型（使用 pickle 或 joblib）并将其部署到 CMLE。在构建对 CMLE 进行预测的 json 请求时，您首先需要使用 preprocessor.transform(X_test) 将数据帧预处理为二维数组。

【讨论】：