在“sklearn”管道中访问转换器函数答案

【问题标题】：Accessing transformer functions in `sklearn` pipelines在“sklearn”管道中访问转换器函数
【发布时间】：2015-06-19 22:03:42
【问题描述】：

根据sklearn.pipeline.Pipeline文档，

管道具有管道中最后一个估计器所具有的所有方法，即如果最后一个估计器是分类器，则管道可以用作分类器。如果最后一个估计器是转换器，那么管道也是。

以下示例使用自定义虚拟函数 f 创建一个虚拟转换器：

class C:
    def fit(self, X, y=None):
        print('fit')
        return self
    def transform(self, X):
        print('transform')
        return X

    def f(self):
        print('abc')

from sklearn.pipeline import Pipeline
ppl = Pipeline([('C', C())])

我希望能够访问C 转换器的f 函数，但是调用ppl.f() 会导致AttributeError: 'Pipeline' object has no attribute 'f'

我是否误解了文档？有没有一种可靠的方法来访问最后一个变压器的功能？

【问题讨论】：

标签： python scikit-learn

【解决方案1】：

Pipeline 文档稍微夸大了一些东西。它具有其最后一个估计器的所有 估计器 方法。其中包括predict(), fit_predict(), fit_transform(), transform(), decision_function(), predict_proba()... 之类的内容。

它不能使用任何其他功能，因为它不知道如何处理管道中的所有其他步骤。在大多数情况下，您传递(X) 或可能(X,y)，并且X 和/或y 必须使用fit_transform() 或transform() 通过管道中的每个链。

访问最后一个估算器相当容易，如下所示：

ppl.steps[-1][1].f()

但请记住，这样做会绕过管道中的先前步骤（即，如果您将其传递给 X，它将不会使用您的 StandardScaler 或您在管道中早期执行的任何操作进行缩放。）

【讨论】：