Python sklearn FunctionTransformer用法及代码示例

本文简要介绍python语言中 sklearn.preprocessing.FunctionTransformer 的用法。

用法:

class sklearn.preprocessing.FunctionTransformer(func=None, inverse_func=None, *, validate=False, accept_sparse=False, check_inverse=True, kw_args=None, inv_kw_args=None)

从任意可调用对象构造一个转换器。

FunctionTransformer 将其 X(以及可选的 y)参数转发给用户定义的函数或函数对象，并返回该函数的结果。这对于无状态转换非常有用，例如记录频率、进行自定义缩放等。

注意：如果使用 lambda 作为函数，则生成的转换器将不 picklable 。

在用户指南中阅读更多信息。

参数：

func：可调用，默认=无

用于转换的可调用对象。这将传递与 transform 相同的参数，并转发 args 和 kwargs。如果 func 为 None，则 func 将是标识函数。

inverse_func：可调用，默认=无

用于逆变换的可调用对象。这将传递与逆变换相同的参数，并转发 args 和 kwargs。如果 inverse_func 为 None，则 inverse_func 将是恒等函数。

validate：布尔，默认=假

指示在调用 func 之前应检查输入 X 数组。可能性是：

• 如果为 False，则没有输入验证。
• 如果为 True，则 X 将转换为二维 NumPy 数组或稀疏矩阵。如果无法进行转换，则会引发异常。

accept_sparse：布尔，默认=假

指示 func 接受稀疏矩阵作为输入。如果 validate 为 False，则无效。否则，如果accept_sparse 为假，稀疏矩阵输入将引发异常。

check_inverse：布尔，默认=真

是检查还是检查 func 后跟 inverse_func 会导致原始输入。它可用于完整性检查，当条件不满足时发出警告。

kw_args：字典，默认=无

要传递给 func 的附加关键字参数字典。

inv_kw_args：字典，默认=无

要传递给inverse_func 的附加关键字参数字典。

属性：

n_features_in_：int

拟合期间看到的特征数。仅在 validate=True 时定义。

feature_names_in_：ndarray 形状(n_features_in_，)

拟合期间看到的特征名称。仅当 validate=True 和 X 的特征名称都是字符串时才定义。

例子：

>>> import numpy as np
>>> from sklearn.preprocessing import FunctionTransformer
>>> transformer = FunctionTransformer(np.log1p)
>>> X = np.array([[0, 1], [2, 3]])
>>> transformer.transform(X)
array([[0.       , 0.6931...],
       [1.0986..., 1.3862...]])