Python sklearn FeatureUnion用法及代码示例

本文简要介绍python语言中 sklearn.pipeline.FeatureUnion 的用法。

用法:

class sklearn.pipeline.FeatureUnion(transformer_list, *, n_jobs=None, transformer_weights=None, verbose=False)

连接多个转换器对象的结果。

此估计器将转换器对象列表并行应用于输入数据，然后连接结果。这对于将多个特征提取机制组合到单个转换器中很有用。

可以使用其名称和由‘__’ 分隔的参数名称来设置转换器的参数。可以通过将参数及其名称设置为另一个转换器来完全替换转换器，或者通过设置为‘drop’来删除。

在用户指南中阅读更多信息。

参数：

transformer_list：元组列表

包含 (str, transformer) 的元组列表。元组的第一个元素是受转换器影响的名称，而第二个元素是scikit-learn 转换器实例。转换器实例也可以是"drop"，以使其被忽略。

n_jobs：整数，默认=无

并行运行的作业数。 None 表示 1，除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有处理器。有关详细信息，请参阅词汇表。

transformer_weights：字典，默认=无

每个转换器的特征的乘法权重。键是转换器名称，值是权重。如果 transformer_list 中不存在 key ，则引发 ValueError 。

verbose：布尔，默认=假

如果为 True，则在安装每个转换器时经过的时间将在完成时打印。

属性：

n_features_in_int

拟合期间看到的特征数。

例子：

>>> from sklearn.pipeline import FeatureUnion
>>> from sklearn.decomposition import PCA, TruncatedSVD
>>> union = FeatureUnion([("pca", PCA(n_components=1)),
...                       ("svd", TruncatedSVD(n_components=2))])
>>> X = [[0., 1., 3], [2., 2., 5]]
>>> union.fit_transform(X)
array([[ 1.5       ,  3.0...,  0.8...],
       [-1.5       ,  5.7..., -0.4...]])