[英]How to use scikit learn inverse_transform with new values
[英]How to use inverse_transform for a Scikit-Learn PowerTransformer() set as transformer param in TransformedTargetRegressor in a pipe in GridSearchCV
我使用以下 GridSearchCV 训练了一组 LinearRegression 模型
MAX_COLUMNS=list(range(2, len(house_df.columns)))
X = house_df.drop(columns=['SalePrice'])
y = house_df.loc[:, 'SalePrice']
column_list = MAX_COLUMNS
# Box-cox transform the target
reg_strategy = TransformedTargetRegressor()
bcox_transformer = PowerTransformer(method='box-cox')
model_pipeline = Pipeline([("std_scaler", StandardScaler()),
('feature_selector', SelectKBest()),
('regress', reg_strategy)])
parameter_grid = [{'feature_selector__k' : column_list,
'feature_selector__score_func' : [f_regression, mutual_info_regression],
'regress__regressor' : [LinearRegression()],
'regress__regressor__fit_intercept' : [True],
'regress__transformer' : [None, bcox_transformer]}]
score_types = {'MSE' : 'neg_mean_squared_error', 'r2' : 'r2'}
gs = GridSearchCV(estimator=model_pipeline, param_grid=parameter_grid, scoring=score_types, refit='MSE', cv=5, n_jobs=5, verbose=1)
gs.fit(X, y)
PATH = './datasets/processed_data/'
gridsearch_result_filename = 'pfY_np10_nt2_rfS_ct0_8_st1_orY_ccY_LR1_GS.pkl'
full_path = PATH + gridsearch_result_filename
with open(full_path, 'wb') as file:
pickle.dump(gs, file)
然后我加载经过训练的 GridSearch 并可以使用最佳估计器进行预测,如下所示:
with open(MODEL_PATH, 'rb') as file:
gs_results = pickle.load(file)
predictions = gs_results.predict(test_df)
我面临的问题是,由于在 GridSearch 期间应用了 Box-Cox 变换,我所有的预测都在 Box-Cox 变换分布域(巨大的值)中。
我需要在我的预测中使用 PowerTransformers inverse_transform() 方法,但我不确定如何访问它。
我可以获得像这样的最佳估算器的整个管道
gs_results.best_estimator_
然后我可以像这样访问管道内的 TransformedTargetRegressor:
更进一步,我们一直到 TransformedTargetRegressor 中的 PowerTransformer,如下所示:
在这里完成后,我愚蠢地认为我已经做到了我需要的地方,并且只需要使用 PowerTransformers inverse_transform 方法来做出将恢复到原始单位的预测。 然而,令我失望的是,抛出了一个错误:
错误似乎很清楚,告诉我我不能使用 inverse_transform 方法,因为 PowerTransformer 不合适。
这是我难倒的地方。 说 PowerTransformer 不合适是没有意义的,显然它在 GridSearch 过程中是合适的。
这让我觉得我只是错误地访问了 PowerTransformer,这是我当前的问题。
根据上面的设置,有没有人知道对我的预测进行逆变换的正确方法,使它们处于原始单位而不是 Box-Cox 分布单位?
为此,我一直在用头撞墙,并四处寻找类似的问题。 非常感谢您!
-布雷登
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.