OneToOneFeatureMixin

classsklearn.base.OneToOneFeatureMixin[source]

Обеспечивает get_feature_names_out для простых преобразователей.

Этот миксин предполагает взаимно однозначное соответствие между входными и выходными признаками, например, StandardScaler.

Примеры

>>> import numpy as np
>>> from sklearn.base import OneToOneFeatureMixin, BaseEstimator
>>> class MyEstimator(OneToOneFeatureMixin, BaseEstimator):
...     def fit(self, X, y=None):
...         self.n_features_in_ = X.shape[1]
...         return self
>>> X = np.array([[1, 2], [3, 4]])
>>> MyEstimator().fit(X).get_feature_names_out()
array(['x0', 'x1'], dtype=object)

get_feature_names_out(input_features=None)[source]

Получение имён выходных признаков для преобразования.

Параметры:

input_featuresмассив-подобный тип str или None, по умолчанию=None

Входные признаки.

• Если input_features является None, то feature_names_in_ используются в качестве имён признаков. Если feature_names_in_ не определено, то генерируются следующие имена входных признаков: ["x0", "x1", ..., "x(n_features_in_ - 1)"].
• Если input_features является массив-подобным типом, то input_features должно соответствовать feature_names_in_ если feature_names_in_ определено.

Возвращаемое значение:

feature_names_outмассив объектов str

Совпадает с входными признаками.