时间戳

首页 > 解决方案 > “ValueError：所有输入数组必须具有相同的维数”sklearn 管道中的错误

python - “ValueError：所有输入数组必须具有相同的维数”sklearn 管道中的错误

问题描述

我正在使用 sklearn 管道构建机器学习管道。在预处理步骤中，我尝试对两个不同的 sting 变量进行两种不同的处理 1）BusinessType 上的一个热编码 2）AreaCode 上的平均编码如下：

preprocesses_pipeline = make_pipeline (
    FeatureUnion (transformer_list = [
        ("text_features1",  make_pipeline(
            FunctionTransformer(getBusinessTypeCol, validate=False), CustomOHE()
        )),
        ("text_features2",  make_pipeline(
            FunctionTransformer(getAreaCodeCol, validate=False)
        ))
    ])
)

preprocesses_pipeline.fit_transform(trainDF[X_cols])

TransformerMixin 类定义为：

class MeanEncoding(BaseEstimator, TransformerMixin):
    def fit(self, X, y=None):
        return self

    def transform(self, X):
        tmp = X['AreaCode1'].map(X.groupby('AreaCode1')['isFail'].mean())
        return tmp.values

class CustomOHE(BaseEstimator, TransformerMixin):
    def fit(self, X, y=None):
        return self

    def transform(self, X):
        tmp = pd.get_dummies(X)
        return tmp.values

和 FunctionTransformer 函数返回所需字段

def getBusinessTypeCol(df):
    return df['BusinessType']

def getAreaCodeCol(df):
    return df[['AreaCode1','isFail']]

现在，当我取消上述管道时，它会生成以下错误

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-146-7f3a31a39c81> in <module>()
     15 )
     16 
---> 17 preprocesses_pipeline.fit_transform(trainDF[X_cols])

~\Anaconda3\lib\site-packages\sklearn\pipeline.py in fit_transform(self, X, y, **fit_params)
    281         Xt, fit_params = self._fit(X, y, **fit_params)
    282         if hasattr(last_step, 'fit_transform'):
--> 283             return last_step.fit_transform(Xt, y, **fit_params)
    284         elif last_step is None:
    285             return Xt

~\Anaconda3\lib\site-packages\sklearn\pipeline.py in fit_transform(self, X, y, **fit_params)
    747             Xs = sparse.hstack(Xs).tocsr()
    748         else:
--> 749             Xs = np.hstack(Xs)
    750         return Xs
    751 

~\Anaconda3\lib\site-packages\numpy\core\shape_base.py in hstack(tup)
    286         return _nx.concatenate(arrs, 0)
    287     else:
--> 288         return _nx.concatenate(arrs, 1)
    289 
    290 

ValueError: all the input arrays must have same number of dimensions

似乎在管道中有“MeanEncoding”的线上正在发生错误，因为删除它会使管​​道正常工作。不确定它到底有什么问题。需要帮忙。

标签： pythonscikit-learnpipeline

解决方案

好的，我解决了这个难题。基本上，MeanEncoding()转换后，返回格式数组，(n,)而返回的调用期望格式，(n,1)因此它可以将其与第一个管道返回的(n,1)其他已处理数组相结合， 。由于不能合并，需要重新整形。所以，现在我的班级如下所示：(n,k)CustomOHE()numpy(n,)(n,k)(n,1)MeanEncoding

class MeanEncoding(BaseEstimator, TransformerMixin):
    def fit(self, X, y=None):
        return self

    def transform(self, X):
        tmp = X['AreaCode1'].map(X.groupby('AreaCode1')['isFail'].mean())
        return tmp.values.reshape(len(tmp), 1)

推荐阅读