python-3.x - 课堂上的sklearn方法
问题描述
我想创建一个使用sklearn
转换方法的类。我找到了这篇文章,并以它为例。
from sklearn import preprocessing
from sklearn.base import TransformerMixin
def minmax(dataframe):
minmax_transformer = preprocessing.MinMaxScaler()
return minmax_tranformer
class FunctionFeaturizer(TransformerMixin):
def __init__(self, scaler):
self.scaler = scaler
def fit(self, X, y=None):
return self
def transform(self, X):
fv = self.scaler(X)
return fv
if __name__=="__main__":
scaling = FunctionFeaturizer(minmax)
df = pd.DataFrame({'feature': np.arange(10)})
df_scaled = scaling.fit(df).transform(df)
print(df_scaled)
输出StandardScaler(copy=True, with_mean=True, with_std=True)
实际上是preprocessing.StandardScaler().fit(df)
我在课堂外使用它的结果。
我期待的是:
array([[0. ],
[0.11111111],
[0.22222222],
[0.33333333],
[0.44444444],
[0.55555556],
[0.66666667],
[0.77777778],
[0.88888889],
[1. ]])
我觉得我在这里混合了一些东西,但我不知道是什么。
更新 我做了一些修改:
def minmax():
return preprocessing.MinMaxScaler()
class FunctionFeaturizer(TransformerMixin):
def __init__(self, scaler):
self.scaler = scaler
def fit(self, X, y=None):
return self
def fit_transform(self, X):
self.scaler.fit(X)
return self.scaler.transform(X)
if __name__=="__main__":
scaling = FunctionFeaturizer(minmax)
df = pd.DataFrame({'feature': np.arange(10)})
df_scaled = scaling.fit_transform(df)
print(df_scaled)
但现在我收到以下错误:
Traceback (most recent call last):
File "C:/my_file.py", line 33, in <module>
test_scale = scaling.fit_transform(df)
File "C:/my_file.py", line 26, in fit_transform
self.scaler.fit(X)
AttributeError: 'function' object has no attribute 'fit'
解决方案
解决您的错误
在您的代码中,您有:
if __name__=="__main__":
scaling = FunctionFeaturizer(minmax)
df = pd.DataFrame({'feature': np.arange(10)})
df_scaled = scaling.fit_transform(df)
print(df_scaled)
换行
scaling = FunctionFeaturizer(minmax)
至
scaling = FunctionFeaturizer(minmax())
您需要调用该函数以将 MinMaxScaler 的实例化返回给您。
建议
而不是实施fit
and fit_transform
,实施fit
andtransform
除非您可以将这两个过程优化为fit_tranform
. 这样,你在做什么就更清楚了。
如果您只实现fit
and transform
,您仍然可以调用fit_transform
,因为您扩展了TransformerMixin
类。它只会连续调用这两个函数。
获得预期的结果
您的转换器正在查看数据集的每一列,并在0
和之间线性分布值1
。
因此,要获得预期的结果,这实际上取决于您的df
外观。但是,您没有与我们分享,因此很难判断您是否会得到它。
但是,如果您有df = [[0],[1],[2],[3],[4],[5],[6],[7],[8],[9]]
,您将看到预期的结果。
if __name__=="__main__":
scaling = FunctionFeaturizer(minmax())
df = [[0], [1], [2], [3], [4], [5], [6], [7], [8], [9]]
df_scaled = scaling.fit_transform(df)
print(df_scaled)
> [[0. ]
> [0.11111111]
> [0.22222222]
> [0.33333333]
> [0.44444444]
> [0.55555556]
> [0.66666667]
> [0.77777778]
> [0.88888889]
> [1. ]]
推荐阅读
- r - 安装“dplyr”包时出错 - 退出状态非零
- python - 是否可以自动进行天空检测?
- pine-script - Pine-Script + Strategy + Pyramiding + 不同的 TP + SL + 数量
- c# - 找不到实体类型的属性的支持字段,并且该属性没有 getter
- parallel-processing - 将 spark 数据拆分为分区并将这些分区并行写入磁盘
- c# - ISystemClock 在 netstandard2.0 中不可用
- html - 如何将所有项目彼此对齐?
- vue.js - vuex:找不到模块
- php - PHP 简写形式(一行)添加带有键的子数组,如果子数组不为空
- api - Google Vision API 操作 ID 格式无效