从 Scikit (Python) 中的管道中检索中间特征答案

【问题标题】：retrieve intermediate features from a pipeline in Scikit (Python)从 Scikit (Python) 中的管道中检索中间特征
【发布时间】：2016-01-10 05:00:18
【问题描述】：

我使用的管道与给定的in this example 非常相似：

>>> text_clf = Pipeline([('vect', CountVectorizer()),
...                      ('tfidf', TfidfTransformer()),
...                      ('clf', MultinomialNB()),
... ])

我使用GridSearchCV 在参数网格上找到最佳估计器。

但是，我想使用CountVectorizer() 中的get_feature_names() 方法获取我的训练集的列名。如果不在管道之外实现CountVectorizer()，这可能吗？

【问题讨论】：

标签： python scikit-learn pipeline

【解决方案1】：

使用get_params() 函数，您可以访问管道的各个部分及其各自的内部参数。下面是访问'vect'的例子

text_clf = Pipeline([('vect', CountVectorizer()),
                     ('tfidf', TfidfTransformer()),
                     ('clf', MultinomialNB())]
print text_clf.get_params()['vect']

收益（对我而言）

CountVectorizer(analyzer=u'word', binary=False, decode_error=u'strict',
    dtype=<type 'numpy.int64'>, encoding=u'utf-8', input=u'content',
    lowercase=True, max_df=1.0, max_features=None, min_df=1,
    ngram_range=(1, 1), preprocessor=None, stop_words=None,
    strip_accents=None, token_pattern=u'(?u)\\b\\w\\w+\\b',
    tokenizer=None, vocabulary=None)

在这个例子中我没有为任何数据拟合管道，所以此时调用get_feature_names()会返回一个错误。

【讨论】：

【解决方案2】：

仅供参考

The estimators of a pipeline are stored as a list in the steps attribute:
>>>

>>> clf.steps[0]
('reduce_dim', PCA(copy=True, n_components=None, whiten=False))

and as a dict in named_steps:
>>>

>>> clf.named_steps['reduce_dim']
PCA(copy=True, n_components=None, whiten=False)

来自http://scikit-learn.org/stable/modules/pipeline.html

【讨论】：