python和sklearn的新手，因此提前道歉。我有两个转换器，我想把结果收集到一个‘`FeatureUnion’中(最后一个建模步骤)。这应该很简单，但是FeatureUnion堆叠了输出，而不是提供nx2数组或DataFrame。在下面的示例中，我将生成一些10行乘2列的数据。这将生成两个10行乘1列的特征。sklearn.base import TransformerMixindf = pd.DataFrame
浏览 5提问于2016-09-23得票数 2
回答已采纳
2回答
我正在对一些文档进行二进制分类，这些文档的特征已经被提取并在文本文件中给出。我的问题是有文本特征和数字特征，比如年份和其他一些。以下格式提供了一个示例：我正在遵循有关的文档，但它们的用例略有不同目前，我通过以下方式使用该设置：('features', Features()),
('
浏览 0提问于2017-02-03得票数 2
我是机器学习的新手。请帮我纠正这个错误。下面是我的代码:我正在尝试创建一个自定义类catEncoder()来转换我的分类变量。('selector', DFSelector(catAttr)),]
fullPipe = FeatureUnion
浏览 0提问于2017-11-13得票数 0
在sklearn中，FeatureUnion()和ColumnTransformer()有什么区别？如果我想要构建一个包含混合数据类型(分类、数字、非结构化文本)的有监督的模型，需要组合不同的管道，那么我应该使用哪一个？来源：
浏览 0提问于2019-04-10得票数 18
回答已采纳
如果将FeatureUnion的transformer_weights设置为0，会发生什么情况？我想知道我是否可以使用这种方法来选择退出GridSearchCV中的一组功能。通过这种方式，我可以利用GridSearchCV的交叉验证来测试某个特征是否可以改善预测。
此外，任何不同的模型如何反应这种transformer_weights变化的想法。但另一方面，GridSearchCV的最佳估计器在待测数据集上的预测性能
浏览 0提问于2015-12-18得票数 1
3回答
我试图将PCA的结果加入到最初的特性中，为此，我尝试了一个PCA的FeatureUnion，它有一个列转换器，只passthrough所有列。feature_selector = FeatureUnion( ("original", make_column_transformer(('drop', []), reminder有什么更干净的方法吗？也许是一个选择所有列而不是列转换
浏览 9提问于2021-09-02得票数 2
回答已采纳
我试图在一个使用自定义转换器的上搜索。当管道在FeatureUnion中使用自定义转换器类时，它工作得很好；但是，当管道中的自定义类通过在网格搜索参数中设置passthrough而被忽略时，它会失败。我确实理解，对于ngrams和lengths，在FeatureUnion中，这两个步骤都需要相同的行维，其中提取的特征矩阵中<em
浏览 14提问于2022-11-07得票数 0
回答已采纳
1回答
前几天，我正在处理一项机器学习任务，它需要提取几种类型的特征矩阵。我将这个特征矩阵保存为磁盘中的numpy数组，以便以后在某些估计器中使用它们(这是一个分类任务)。毕竟，当我想要使用所有的特性时，我只是把矩阵连接起来，以便有一个大的特征矩阵。当我得到这个大特征矩阵时，我把它呈现给了一个估计器。
我不知道这是否是正确的方法来处理一个包含大量模式(计数)的功能矩阵。例如，假设我想创建一个由3种向量器组成的大型特性矩阵-- TfidfVectorizer、C
浏览 2提问于2015-08-29得票数 5
1回答
我很难同时将不同的变压器应用到具有不同类型的(文本与数字)的列中，并将这些变压器连接在一个单独的转换器中，供以后使用。我试着遵循文档中的步骤，这说明了如何对分类数据和数字数据进行处理，但它似乎不适用于文本数据。如何为文本和数字数据创建一个可存储的转换器，它遵循不同的管道？我尝试过各种策略来将上述两个过程保存在一个转换器中，但是由于不
浏览 3提问于2020-12-16得票数 5
回答已采纳
1回答
滑行管道正确使用
、、、
我在python中有一个dataframe，它有一个名为“datetime”的日期时间文件。使用管道和FeatureUnion，我试图提取日期，月份，工作日和isBusinessday。self.key]
return self
浏览 0提问于2017-08-16得票数 2
回答已采纳
我正在学习scikit中的管道和FeatureUnions，因此怀疑是否可以在类上重复应用'make_union‘？pdfrom sklearn.pipeline import Pipeline, FeatureUnionIrisDataManupulation(power=2)),
('third', IrisDat
浏览 0提问于2018-08-05得票数 1
回答已采纳
我试着做一个玩具例子来说明我的困惑。我意识到这是一个关于虹膜数据集的愚蠢的例子。from sklearn.pipeline import Pipeline, FeatureUnion ])),pipeline = Pipeline([
("union",
浏览 5提问于2017-01-14得票数 3
我目前正在尝试添加一个额外的功能到一个countvectorizer矩阵，这个矩阵是用scikit-learn创建的。工作流程如下:我有一个dataframe，它包含一个包含文本的列和一个包含附加特性的列。 我首先将我的数据分成训练数据帧和测试数据帧。然后，我在训练数据的文本列上应用countvectorizer。我现在试图确定的是，我想使用矩阵和数据帧中另一列中的附加功能来运行RandomFore
浏览 22提问于2021-01-25得票数 0
回答已采纳
如何创建一个转换器调用Dictifier()来封装使用.to_dict("records")转换的DataFrame，因为我想在pipeline中使用它。我希望能够像这样将函数合并到流水线中： pipeline = Pipeline([
("featureunion", numeric_categorical_union
浏览 16提问于2020-06-10得票数 0
回答已采纳
简单介绍一下我的情况:我有4列输入：id、text、分类、label。还请注意，在矢量化之前，数据已经通过了train_test_split.。
我怎样才能做到这一点？
浏览 2提问于2016-11-18得票数 0
回答已采纳
1回答
学习不同数据类型的自定义管道
、、、、
我在考虑建造一条管道，它看起来像这样这是我的ItemSelector和管道代码t.transform(df)
管道 # Use FeatureUnionto combine the features from subject and body
(&
浏览 0提问于2017-07-12得票数 1
我只有一个输入，那就是用户的电子邮件，我创建了许多不同的函数来使用来自FunctionTransformers的从电子邮件中创建特性，例如 return [sum(1 for char in name if char in vouls) for name in name]
在创建函数之后，我将其打包到FunctionTransform
浏览 3提问于2022-04-05得票数 0
我想训练和，用把他们的分数结合起来from sklearn.linear_model import LogisticRegression我想我可以定义自己的类来实现fit和predict_proba方法，但是我认为应该有一种标准的方法来实现.
浏览 0提问于2018-11-29得票数 0
回答已采纳
我正在准备来自德国信用数据集( )的数据，我构建了一个自定义转换器来从数据集中的属性中提取特性，它只在一个小管道中工作。自定义转换器(AddGenderStatus)增加了性别和地位作为功能。当我使用FeatureUnion将这个管道放入一个完整的管道中时，问题就出现了。KeyError：“性别”、“地位”不在索引中from sklearn.base import Trans
浏览 2提问于2020-10-15得票数 1
回答已采纳
我正在努力学习如何使用sklearn中的一些辅助功能，但我很难理解如何使用FeatureUnionX, y = iris.data, iris.target
# This dataset is way to high-dimensional.
浏览 2提问于2015-10-14得票数 1
回答已采纳
云服务器
ICP备案
云直播
对象存储
实时音视频
腾讯云开发者
