如何使SK Learn分類器接受2D數組作為預測的輸入？

Question

因此，我制作了一個具有混合數據類型的模型，並使用了列轉換器來構建分類器，並使用了來自SK Learn Docs的推薦示例。

https://scikit-learn.org/stable/auto_examples/compose/plot_column_transformer_mixed_types.html#sphx-glr-auto-examples-compose-plot-column-transformer-mixed-types-py

由於輸入來自csv，並轉換為Pandas數據框，因此X_test，X_train，y_test和y_train看起來也都是數據框。 將y_test傳遞到clf.predict（）函數可以正常工作，並且我收到了預測。

但是，我想托管此模型Google Cloud ML Engine，該模型在預測請求API中接受2D實例數組。 如何使分類器適應並接受輸入數組而不是數據框？ 我意識到這可能是微不足道的，但是努力尋找解決方案。

Answer 1

為了使您的分類器與Google Cloud Machine Learning Engine（CMLE）兼容，您需要從管道中分離出預處理器和LogisticRegression分類器。 您將需要執行預處理邏輯客戶端，並且獨立分類器將托管在CMLE上。

讀取csv文件並定義數量和分類轉換器后，您需要按如下所示修改培訓代碼：

...

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

preprocessor = ColumnTransformer(
    transformers=[
        ('num', numeric_transformer, numeric_features),
        ('cat', categorical_transformer, categorical_features)])
model = LogisticRegression(solver='lbfgs')

X_train_transformed = preprocessor.fit_transform(X_train)
model.fit(X_train_transformed, y_train)
print("model score: %.3f" % model.score(preprocessor.transform(X_test), y_test))

您可以導出模型（使用pickle或joblib）並將其部署在CMLE上。 在構造向CMLE進行預測的json請求時，您首先需要使用以下代碼將數據幀預處理為2D數組： preprocessor.transform(X_test) 。