Python sklearn FunctionTransformer用法及代碼示例

本文簡要介紹python語言中 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)

從任意可調用對象構造一個轉換器。

FunctionTransformer 將其 X(以及可選的 y)參數轉發給用戶定義的函數或函數對象，並返回該函數的結果。這對於無狀態轉換非常有用，例如記錄頻率、進行自定義縮放等。

注意：如果使用 lambda 作為函數，則生成的轉換器將不 picklable 。

在用戶指南中閱讀更多信息。

參數：

func：可調用，默認=無

用於轉換的可調用對象。這將傳遞與 transform 相同的參數，並轉發 args 和 kwargs。如果 func 為 None，則 func 將是標識函數。

inverse_func：可調用，默認=無

用於逆變換的可調用對象。這將傳遞與逆變換相同的參數，並轉發 args 和 kwargs。如果 inverse_func 為 None，則 inverse_func 將是恒等函數。

validate：布爾，默認=假

指示在調用 func 之前應檢查輸入 X 數組。可能性是：

• 如果為 False，則沒有輸入驗證。
• 如果為 True，則 X 將轉換為二維 NumPy 數組或稀疏矩陣。如果無法進行轉換，則會引發異常。

accept_sparse：布爾，默認=假

指示 func 接受稀疏矩陣作為輸入。如果 validate 為 False，則無效。否則，如果accept_sparse 為假，稀疏矩陣輸入將引發異常。

check_inverse：布爾，默認=真

是檢查還是檢查 func 後跟 inverse_func 會導致原始輸入。它可用於完整性檢查，當條件不滿足時發出警告。

kw_args：字典，默認=無

要傳遞給 func 的附加關鍵字參數字典。

inv_kw_args：字典，默認=無

要傳遞給inverse_func 的附加關鍵字參數字典。

屬性：

n_features_in_：int

擬合期間看到的特征數。僅在 validate=True 時定義。

feature_names_in_：ndarray 形狀(n_features_in_，)

擬合期間看到的特征名稱。僅當 validate=True 和 X 的特征名稱都是字符串時才定義。

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...]])