在scikit-learn中重复FeatureUnion

Question

我正在scikit-learn中学习Pipelines和FeatureUnions，因此想知道是否可以在类中重复应用“ make_union”？

考虑以下代码：

import numpy as np
import pandas as pd
from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.pipeline import Pipeline, FeatureUnion
from sklearn.linear_model import LogisticRegression
import sklearn.datasets as d

class IrisDataManupulation(BaseEstimator, TransformerMixin):
    """
       Raise the matrix of feature in power
    """
    def __init__(self, power=2):
        self.power = power

    def fit(self, X, y=None):
        return self

    def transform(self, X):
        return np.power(X, self.power)

iris_data = d.load_iris()

X, y = iris_data.data, iris_data.target


# feature union:
fu = FeatureUnion(transformer_list=[('squared', IrisDataManupulation(power=2)),
                               ('third', IrisDataManupulation(power=3))])

问题是否有一种巧妙的方式来创建FeatureUnion，而无需重复相同的转换器，而是传递参数列表？

例如：

fu_new = FeatureUnion(transformer_list=[('raise_power', IrisDataManupulation(), 
                      param_grid = {'raise_power__power':[2,3]})

Answer 1

您可以在一个自定义的Transformer中移动所有功能。 我们可以更改您的IrisDataManupulation来处理其中的权力列表：

class IrisDataManupulation(BaseEstimator, TransformerMixin):

    def __init__(self, powers=[2]):
        self.powers = powers

    def transform(self, X):
        powered_arrays = []
        for power in self.powers:
            powered_arrays.append(np.power(X, power))

        return np.hstack(powered_arrays)

然后，您可以使用此新转换器而不是FeatureUnion：

fu = IrisDataManupulation(powers=[2,3])

注意：如果要从原始特征生成多项式特征，则建议您查看PolynomialFeatures ，除了功能之间的其他交互作用之外， 它还可以生成所需的幂。