从管道获取模型属性答案

【问题标题】：Getting model attributes from pipeline从管道获取模型属性
【发布时间】：2015-05-03 13:41:03
【问题描述】：

我通常会收到这样的 PCA 加载：

pca = PCA(n_components=2)
X_t = pca.fit(X).transform(X)
loadings = pca.components_

如果我使用 scikit-learn 管道运行 PCA：

from sklearn.pipeline import Pipeline
pipeline = Pipeline(steps=[    
('scaling',StandardScaler()),
('pca',PCA(n_components=2))
])
X_t=pipeline.fit_transform(X)

是否有可能获得负载？

简单地尝试loadings = pipeline.components_ 失败：

AttributeError: 'Pipeline' object has no attribute 'components_'

（也有兴趣从管道中提取coef_ 等属性。）

【问题讨论】：

标签： python scikit-learn pipeline

【解决方案1】：

你看文档了吗：http://scikit-learn.org/dev/modules/pipeline.html 我觉得很清楚。

更新：在 0.21 中，您可以只使用方括号：

pipeline['pca']

或索引

pipeline[1]

有两种方法可以到达管道中的步骤，使用索引或使用您提供的字符串名称：

pipeline.named_steps['pca']
pipeline.steps[1][1]

这将为您提供 PCA 对象，您可以在该对象上获取组件。使用named_steps，您还可以使用属性访问和.，它允许自动完成：

pipeline.names_steps.pca.<tab here gives autocomplete>

【讨论】：

好的，谢谢。在doc here 中不是这样（使用named_steps）。欣赏。
我想通过添加这一点来劫持这个答案，如果你的管道上有一个regr = TransformedTargetRegressor，那么语法就不一样，而是你必须在你之前使用regressor_ 访问回归器访问命名步骤，即regr.regressor_.named_steps['pca'].components_。
奇怪的是，它不在文档页面上，而是在该文档中的 user guide 中。
@agent18 它在哪里丢失了？也许打开一个问题（或者更好的 PR）给 sklearn 以更新文档:)

【解决方案2】：

使用 Neuraxle

使用Neuraxle 处理管道更简单。例如，您可以这样做：

from neuraxle.pipeline import Pipeline

# Create and fit the pipeline: 
pipeline = Pipeline([
    StandardScaler(),
    PCA(n_components=2)
])
pipeline, X_t = pipeline.fit_transform(X)

# Get the components: 
pca = pipeline[-1]
components = pca.components_

您可以根据需要通过以下三种不同方式访问您的 PCA：

pipeline['PCA']
pipeline[-1]
pipeline[1]

Neuraxle 是一个建立在scikit-learn 之上的流水线库，可将流水线提升到一个新的水平。它允许轻松管理超参数分布、嵌套管道、保存和重新加载、REST API 服务等空间。整个过程也使用深度学习算法并允许并行计算。

嵌套管道：

您可以在管道中使用管道，如下所示。

# Create and fit the pipeline: 
pipeline = Pipeline([
    StandardScaler(),
    Identity(),
    Pipeline([
        Identity(),  # Note: an Identity step is a step that does nothing. 
        Identity(),  # We use it here for demonstration purposes. 
        Identity(),
        Pipeline([
            Identity(),
            PCA(n_components=2)
        ])
    ])
])
pipeline, X_t = pipeline.fit_transform(X)

那么你需要这样做：

# Get the components: 
pca = pipeline["Pipeline"]["Pipeline"][-1]
components = pca.components_

【讨论】：