FeatureUnion

classsklearn.pipeline.FeatureUnion(transformer_list, *, n_jobs=None, transformer_weights=None, verbose=False, verbose_feature_names_out=True)[source]

Объединяет результаты нескольких объектов-преобразователей.

Этот оцениватель применяет список объектов-преобразователей к входным данным параллельно, а затем объединяет результаты. Это полезно для объединения нескольких механизмов извлечения признаков в один преобразователь.

Параметры преобразователей можно задавать, указывая их имя и имя параметра, разделённые символом «__». Преобразователь можно полностью заменить, задав для его имени другой преобразователь, удалить, задав значение «drop», или отключить, задав значение «passthrough» (признаки передаются без преобразования).

Подробнее см. в руководстве пользователя.

Добавлено в версии 0.13.

Параметры:

transformer_listсписок кортежей (str, transformer)

Список объектов-преобразователей, которые будут применяться к данным. Первая часть каждого кортежа — имя преобразователя. Вместо преобразователя можно указать «drop», чтобы его игнорировать, или «passthrough», чтобы передавать признаки без изменений.

Добавлено в версии 1.1: Добавлен вариант "passthrough".

Изменено в версии 0.22: Использование None в качестве преобразователя объявлено устаревшим в пользу «drop».

n_jobsint, по умолчанию=None

Количество заданий, выполняемых параллельно. None означает 1, если только не используется контекст joblib.parallel_backend. -1 означает использование всех процессоров. Подробнее см. в глоссарии.

Изменено в версии v0.20: значение n_jobs по умолчанию изменено с 1 на None

transformer_weightsdict, по умолчанию=None

Множители весов признаков для каждого преобразователя. Ключи — имена преобразователей, значения — веса. Если ключ отсутствует в transformer_list, возникает ValueError.

verbosebool, по умолчанию=False

Если значение равно True, по завершении обучения каждого преобразователя выводится затраченное время.

verbose_feature_names_outbool, по умолчанию=True

Если значение равно True, get_feature_names_out добавит к именам всех признаков имя преобразователя, создавшего этот признак. Если значение равно False, get_feature_names_out не будет добавлять префиксы к именам признаков и вызовет ошибку, если имена признаков не уникальны.

Добавлено в версии 1.5.

Атрибуты:

named_transformersBunch

Объект, подобный словарю, со следующими атрибутами. Атрибут только для чтения, предназначенный для доступа к параметрам преобразователей по заданным пользователем именам. Ключи — имена преобразователей, значения — параметры преобразователей.

Добавлено в версии 1.2.

n_features_in_int

Количество признаков, наблюдавшихся во время fit.

feature_names_in_ndarray формы (n_features_in_,)

Имена признаков, наблюдавшихся во время fit.

См. также

make_union

Вспомогательная функция для упрощённого создания объединения признаков.

Примеры

>>> from sklearn.pipeline import FeatureUnion
>>> from sklearn.decomposition import PCA, TruncatedSVD
>>> union = FeatureUnion([("pca", PCA(n_components=1)),
...                       ("svd", TruncatedSVD(n_components=2))])
>>> X = [[0., 1., 3], [2., 2., 5]]
>>> union.fit_transform(X)
array([[-1.5       ,  3.04, -0.872],
       [ 1.5       ,  5.72,  0.463]])
>>> # An estimator's parameter can be set using '__' syntax
>>> union.set_params(svd__n_components=1).fit_transform(X)
array([[-1.5       ,  3.04],
       [ 1.5       ,  5.72]])

Более подробный пример использования см. в разделе Объединение нескольких методов извлечения признаков.

fit(X, y=None, **fit_params)[source]

Обучает все преобразователи на данных X.

Параметры:

Xитерируемый объект или массивоподобный объект, в зависимости от преобразователей

Входные данные, используемые для обучения преобразователей.

yмассивоподобный объект формы (n_samples, n_outputs), по умолчанию=None

Целевые значения для обучения с учителем.

**fit_paramsdict, по умолчанию=None

• Если enable_metadata_routing=False (по умолчанию): параметры напрямую передаются методам fit вложенных преобразователей.
• Если enable_metadata_routing=True: параметры безопасно перенаправляются методам fit вложенных преобразователей. Подробнее см. в руководстве пользователя по маршрутизации метаданных.

Изменено в версии 1.5: **fit_params можно перенаправлять с помощью API маршрутизации метаданных.

Возвращает:

selfobject

Экземпляр класса FeatureUnion.

fit_transform(X, y=None, **params)[source]

Обучает все преобразователи, преобразует данные и объединяет результаты.

Параметры:

Xитерируемый объект или массивоподобный объект, в зависимости от преобразователей

Входные данные для преобразования.

yмассивоподобный объект формы (n_samples, n_outputs), по умолчанию=None

Целевые значения для обучения с учителем.

**paramsdict, по умолчанию=None

• Если enable_metadata_routing=False (по умолчанию): параметры напрямую передаются методам fit вложенных преобразователей.
• Если enable_metadata_routing=True: параметры безопасно перенаправляются методам fit вложенных преобразователей. Подробнее см. в руководстве пользователя по маршрутизации метаданных.

Изменено в версии 1.5: **params теперь можно перенаправлять с помощью API маршрутизации метаданных.

Возвращает:

X_tмассивоподобный объект или разреженная матрица формы (n_samples, sum_n_components)

hstack результатов преобразователей. sum_n_components — это сумма n_components (выходной размерности) для всех преобразователей.

get_feature_names_out(input_features=None)[source]

Возвращает имена выходных признаков после преобразования.

Параметры:

input_featuresмассивоподобный объект из str или None, по умолчанию=None

Входные признаки.

Возвращает:

feature_names_outndarray объектов str

Имена преобразованных признаков.

get_metadata_routing()[source]

Возвращает сведения о маршрутизации метаданных для этого объекта.

Информацию о работе механизма маршрутизации см. в руководстве пользователя.

Добавлено в версии 1.5.

Возвращает:

routingMetadataRouter

Объект MetadataRouter, содержащий сведения о маршрутизации.

get_params(deep=True)[source]

Возвращает параметры этого оценивателя.

Возвращает параметры, указанные в конструкторе, а также оцениватели, содержащиеся в transformer_list объекта FeatureUnion.

Параметры:

deepbool, по умолчанию=True

Если значение равно True, возвращает параметры этого оценивателя и содержащихся в нём объектов-оценивателей.

Возвращает:

paramsотображение строк в произвольные значения

Имена параметров, сопоставленные их значениям.

set_output(*, transform=None)[source]

Задаёт контейнер выходных данных, используемый при вызове "transform" и "fit_transform".

set_output задаёт формат выходных данных для всех оценивателей в transformer_list.

Параметры:

transform{“default”, “pandas”, “polars”}, по умолчанию=None

Настраивает формат выходных данных transform и fit_transform.

• "default": формат выходных данных преобразователя по умолчанию
• "pandas": выходные данные DataFrame
• "polars": выходные данные Polars
• None: конфигурация преобразования не изменяется

Возвращает:

selfэкземпляр оценивателя

Экземпляр оценивателя.

set_params(**kwargs)[source]

Задаёт параметры этого оценивателя.

Допустимые ключи параметров можно получить с помощью get_params(). Обратите внимание, что параметры оценивателей, содержащихся в transformer_list, можно задавать напрямую.

Параметры:

**kwargsdict

Параметры этого оценивателя или параметры оценивателей, содержащихся в transform_list. Параметры преобразователей можно задавать, указывая их имя и имя параметра, разделённые символом «__».

Возвращает:

selfobject

Экземпляр класса FeatureUnion.

transform(X, **params)[source]

Преобразует X отдельно каждым преобразователем и объединяет результаты.

Параметры:

Xитерируемый объект или массивоподобный объект, в зависимости от преобразователей

Входные данные для преобразования.

**paramsdict, по умолчанию=None

Параметры, перенаправляемые методу transform вложенных преобразователей через API маршрутизации метаданных. Подробнее см. в руководстве пользователя по маршрутизации метаданных.

Добавлено в версии 1.5.

Возвращает:

X_tмассивоподобный объект или разреженная матрица формы (n_samples, sum_n_components)

hstack результатов преобразователей. sum_n_components — это сумма n_components (выходной размерности) для всех преобразователей.

Примеры из галереи

Создание признаков, связанных со временем

Объединение нескольких методов извлечения признаков