Question

我尝试为学生做一个关于Pipeline的教程，但我阻止了。我不是专家，但我正努力改进。谢谢你的放纵。实际上，我尝试在管道中执行几个步骤来为分类器准备数据帧：

步骤1：数据帧描述
第2步：填写NaN值
第3步：将分类值转换为数字

这是我的代码：

class Descr_df(object):

    def transform (self, X):
        print ("Structure of the data: \n {}".format(X.head(5)))
        print ("Features names: \n {}".format(X.columns))
        print ("Target: \n {}".format(X.columns[0]))
        print ("Shape of the data: \n {}".format(X.shape))

    def fit(self, X, y=None):
        return self

class Fillna(object):

    def transform(self, X):
        non_numerics_columns = X.columns.difference(X._get_numeric_data().columns)
        for column in X.columns:
            if column in non_numerics_columns:
                X[column] = X[column].fillna(df[column].value_counts().idxmax())
            else:
                 X[column] = X[column].fillna(X[column].mean())            
        return X

    def fit(self, X,y=None):
        return self

class Categorical_to_numerical(object):

    def transform(self, X):
        non_numerics_columns = X.columns.difference(X._get_numeric_data().columns)
        le = LabelEncoder()
        for column in non_numerics_columns:
            X[column] = X[column].fillna(X[column].value_counts().idxmax())
            le.fit(X[column])
            X[column] = le.transform(X[column]).astype(int)
        return X

    def fit(self, X, y=None):
        return self

如果我执行步骤1和2或步骤1和3，它可以工作，但如果我同时执行步骤1,2和3。我有这个错误：

pipeline = Pipeline([('df_intropesction', Descr_df()), ('fillna',Fillna()), ('Categorical_to_numerical', Categorical_to_numerical())])
pipeline.fit(X, y)
AttributeError: 'NoneType' object has no attribute 'columns'

Answer 1

出现此错误是因为在管道中，第一个估算器的输出转到第二个估算器，然后第二个估算器的输出转到第三个，依此类推......

来自documentation of Pipeline：

一个接一个地适应所有变换并转换数据，然后使用最终估算器拟合转换后的数据。

因此，对于您的管道，执行步骤如下：

Descr_df.fit（X） - ＆gt;没有做任何事情并且自我回报
newX = Descr_df.transform（X） - ＆gt;应该返回一些值来分配给应该传递给下一个估算器的newX，但是你的定义不返回任何东西（只打印）。所以没有隐含地返回
Fillna.fit（newX） - ＆gt;没有做任何事情并且自我回报
Fillna.transform（newX） - ＆gt;调用newX.columns。但是步骤2中的newX = None。因此错误。

解决方案：更改Descr_df的转换方法以按原样返回数据框：

def transform (self, X):
    print ("Structure of the data: \n {}".format(X.head(5)))
    print ("Features names: \n {}".format(X.columns))
    print ("Target: \n {}".format(X.columns[0]))
    print ("Shape of the data: \n {}".format(X.shape))
    return X

建议：让您的类继承自scikit中的Base Estimator和Transformer类，以确认良好做法。

即将class Descr_df(object)更改为class Descr_df(BaseEstimator, TransformerMixin)，将Fillna(object)更改为Fillna(BaseEstimator, TransformerMixin)，依此类推。

有关Pipeline中自定义类的更多详细信息，请参阅此示例：

http://scikit-learn.org/stable/auto_examples/hetero_feature_union.html#sphx-glr-auto-examples-hetero-feature-union-py

使用Pipeline sklearn（Python）的多个自定义类

1 个答案: