Python sklearn FeatureUnion用法及代碼示例

本文簡要介紹python語言中 sklearn.pipeline.FeatureUnion 的用法。

用法:

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

連接多個轉換器對象的結果。

此估計器將轉換器對象列表並行應用於輸入數據，然後連接結果。這對於將多個特征提取機製組合到單個轉換器中很有用。

可以使用其名稱和由‘__’ 分隔的參數名稱來設置轉換器的參數。可以通過將參數及其名稱設置為另一個轉換器來完全替換轉換器，或者通過設置為‘drop’來刪除。

在用戶指南中閱讀更多信息。

參數：

transformer_list：元組列表

包含 (str, transformer) 的元組列表。元組的第一個元素是受轉換器影響的名稱，而第二個元素是scikit-learn 轉換器實例。轉換器實例也可以是"drop"，以使其被忽略。

n_jobs：整數，默認=無

並行運行的作業數。 None 表示 1，除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有處理器。有關詳細信息，請參閱詞匯表。

transformer_weights：字典，默認=無

每個轉換器的特征的乘法權重。鍵是轉換器名稱，值是權重。如果 transformer_list 中不存在 key ，則引發 ValueError 。

verbose：布爾，默認=假

如果為 True，則在安裝每個轉換器時經過的時間將在完成時打印。

屬性：

n_features_in_int

擬合期間看到的特征數。

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...]])