FeatureUnion vs columnTransformer？

Question

sklearn中的FeatureUnion（）和ColumnTransformer（）有什么区别？

如果我要构建包含混合数据类型（分类，数字，非结构化文本）的功能的监督模型，而我需要结合使用单独的管道，应该使用哪个模型？

来源：https://scikit-learn.org/stable/modules/generated/sklearn.pipeline.FeatureUnion.html

来源：https://scikit-learn.org/stable/modules/generated/sklearn.compose.ColumnTransformer.html

Answer 1

根据sklearn文档：

  

FeatureUnion：连接多个转换器对象的结果。此估算器将变形器对象列表与输入数据并行应用，然后合并结果。将多个特征提取机制组合到单个转换器中很有用。

     

ColumnTransformer：将转换器应用于数组或熊猫DataFrame的列。该估计器允许分别转换输入的不同列或列子集，并且将每个转换器生成的特征连接起来以形成单个特征空间。这对于异构数据或列状数据很有用，可以将多种特征提取机制或变换组合到单个转换器中。

因此，FeatureUnion将不同的转换器应用于整个输入数据，然后通过连接它们来组合结果。

另一方面，

ColumnTransformer将不同的转换器应用于整个输入数据的不同子集，然后再次将结果串联起来。

对于您建议的情况，ColumnTransformer应该是第一步。然后，将所有列都转换为数值后，借助FeatureUnion，您可以通过将PCA和SelectKBest结合起来来进一步转换它们

最后，您当然可以将FeatureUnion用作ColumnTransformer，但您必须在每个分支中都包含一个列/类型选择器，而不是仅将感兴趣的列向下馈入管道中的下一个转换器。 ：https://ramhiser.com/post/2018-04-16-building-scikit-learn-pipeline-with-pandas-dataframe/

但是，ColumnTransformer正是通过更简单的方式做到了这一点。

Answer 2

这两种方法都用于将独立的转换（变压器）组合成一个转换器，通过独立的我的意思是不需要以定义的顺序执行的转换（变压器）。这是因为与常规管道不同，一个变压器未应用于另一变压器的输出。

主要区别在于：特征并集对象中的每个转换器都将整个数据作为输入。在列转换器对象中时，它们仅获取部分数据作为输入。两者最终将每个转换器的结果连接在一起。两者都可以使用并行处理。