ClassNamePrefixFeaturesOutMixin

classsklearn.base.ClassNamePrefixFeaturesOutMixin[исходный код]

Класс-миксин для трансформаторов, которые генерируют собственные имена, добавляя префикс.

Этот миксин полезен, когда трансформатору необходимо самостоятельно генерировать имена выходных признаков, например, как PCA. Например, если PCA возвращает 3 признака, то сгенерированные имена выходных признаков будут следующими: ["pca0", "pca1", "pca2"].

Этот миксин предполагает, что при обучении трансформатора определен атрибут _n_features_out. _n_features_out — это количество выходных признаков, которые трансформатор вернет в transform из fit_transform.

Примеры

>>> import numpy as np
>>> from sklearn.base import ClassNamePrefixFeaturesOutMixin, BaseEstimator
>>> class MyEstimator(ClassNamePrefixFeaturesOutMixin, BaseEstimator):
...     def fit(self, X, y=None):
...         self._n_features_out = X.shape[1]
...         return self
>>> X = np.array([[1, 2], [3, 4]])
>>> MyEstimator().fit(X).get_feature_names_out()
array(['myestimator0', 'myestimator1'], dtype=object)

get_feature_names_out(input_features=None)[исходный код]

Получить имена выходных признаков после преобразования.

К именам выходных признаков добавляется имя класса в нижнем регистре. Например, если трансформатор возвращает 3 признака, то имена выходных признаков будут следующими: ["class_name0", "class_name1", "class_name2"].

Параметры:

input_featuresмассивоподобный объект из строк или None, по умолчанию None

Используется только для проверки имен признаков на соответствие именам, полученным в fit.

Возвращает:

feature_names_outndarray из объектов str

Имена преобразованных признаков.