Sklearn FeatureUnion与管道中实际特征联合的问题

Question

我在执行标准标量后运行了两个特征选择算法 一个是通过K Best获取信息，另一个是使用额外的树分类器来使用Select from Model获取要素重要性。

我做了一个管道。我使用Feature Union来组合kbest并从模型步骤中进行选择。当我看到最终结果时，实际上有最终模型中某些功能的副本。

回到文档，（http://scikit-learn.org/stable/modules/pipeline.html#feature-union）FeatureUnion，实际上是一个功能连接。

  

（FeatureUnion无法检查两个变换器是否可能产生相同的特征。当特征集不相交时，它只产生一个联合，并确保它们是调用者的责任。）

有没有办法创建一个管道结构，以便我可以获得我的信息增益选择的实际特征联合结果，然后是额外的树分类器？最简单的方法是什么，以确保我不会有重复的功能？

我正在尝试的一件事就是制作一个定制的Transfomer。

class RemoveDuplicateColumnsTransformer(TransformerMixin):
    def transform(self, X, **transform_params):
        X=X.loc[:,~X.columns.duplicated()]

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

但我最终得到了这个错误，因为我也使用标准标量，并且转换函数中的X被解释为ndarray而不是数据帧。所以它说没有loc属性。