Scikit-Learn 管道拟合和变换错误

Question

1. 我是机器学习的新手，并且正在练习 Aurélien Géron 的名为“使用 Scikit-Learn 和 TensorFlow 的动手机器学习”一书中的代码。 有关于 Pipeline 的代码会引发名为“AttributeError: 'longitude' is not a valid function for 'Series' object”的错误。

2. 这是我要运行的代码-

class DataFrameSelector(BaseEstimator, TransformerMixin):
    def __init__(self, attribute_names):
        self.attribute_names = attribute_names
    def fit(self, X, y=None):
        return X
    def transform(self, X):
        return X[self.attribute_names].values

num_attributes = list(housing_num)
cat_attributes = ['ocean_proximity']

num_pipeline = Pipeline([ ('selector', DataFrameSelector(num_attributes)),
                         ('imputer', SimpleImputer(strategy='median')), 
                         ('Attribute_adder', CombinedAttributesAdder()), 
                         ('std_scaler', StandardScaler()) ])

cat_pipeline = Pipeline([ ('selector', DataFrameSelector(cat_attributes)),
                         ('label_binarizer', OneHotEncoder()) ])

full_pipeline = FeatureUnion( transformer_list=[ ('num_pipeline', num_pipeline), ('cat_pipeline', cat_pipeline) ] )

housing_prepared = cat_pipeline.fit_transform(housing)
housing_prepared

3. 这是我正在使用的数据的链接： https://raw.githubusercontent.com/ageron/handson-ml/master/datasets/housing/housing.csv

4. 当我在没有 DataFrameSelector 的情况下重新运行代码时，它工作得很好。 因此，我寻找了一个可能的解决方案，发现代替使用 FeatureUnion class ColumnTransformer class 可以解决不需要 DataFrameSelector class 的问题。 这真的很棒而且耗时更少，但没有找到任何解决上述代码问题的方法。 关于这个问题的任何帮助将不胜感激。

Answer 1

在 sklearn 中， fit方法需要返回self 。 那是为了适应那种链接
estimator.fit(X,y).transform(X) ,
在大多数情况下，这与调用相同
estimator.fit_transform(X,y) ,
在安装管道时广泛使用。

因此，当您的管道尝试fit_transform DataFrameSelector ，它会尝试调用 dataframe X上的方法transform 。 事实证明，数据帧确实有一个方法transform ，通过它可以将参数 callable 应用于每个列系列。 现在， pd.DataFrame.transform的参数可以是一个列表（要应用的函数）； 奇怪的是，在这种情况下，该参数是 dataframe，但代码只是注意到它是可迭代的，因此它尝试遍历X的列并将它们的名称作为函数应用。 因此'longitude' is not a valid function 。