FeatureUnion

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

Объединяет результаты нескольких объектов преобразования.

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

Параметры преобразователей можно задать, используя их имя и имя параметра, разделенные символом «__». Преобразователь можно полностью заменить, задав параметр с его именем другому преобразователю, удалить, установив значение в «drop», или отключить, установив значение в «passthrough» (признаки передаются без преобразования).

Подробнее см. в Руководстве пользователя.

Добавлен в версии 0.13.

Параметры:

transformer_listсписок кортежей (строка, преобразователь)

Список объектов преобразователя, которые применяются к данным. Первая половина каждого кортежа — имя преобразователя. Преобразователь может быть «drop», чтобы его игнорировать, или «passthrough», чтобы признаки передавались без изменений.

Добавлен в версии 1.1: Добавлена возможность "passthrough".

Изменено в версии 0.22: Преобразователь None устарел в пользу «drop».

n_jobsint, по умолчанию равно None

Количество задач, выполняемых параллельно. None означает 1, если не в контексте joblib.parallel_backend. -1 означает использование всех процессоров. См. Словарь для получения дополнительной информации.

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

transformer_weightsсловарь, по умолчанию равно None

Множительные веса для признаков каждого преобразователя. Ключи — имена преобразователей, значения — веса. Возбуждает исключение ValueError, если ключ отсутствует в transformer_list.

verbosebool, по умолчанию False

Если True, время, затраченное на подгонку каждого преобразователя, будет выведено по мере завершения.

verbose_feature_names_outbool, по умолчанию True

Если True, get_feature_names_out будет добавлять префикс ко всем именам признаков с именем преобразователя, который сгенерировал этот признак. Если False, get_feature_names_out не будет добавлять префикс к именам признаков и будет выдавать ошибку, если имена признаков не уникальны.

Добавлен в версии 1.5.

Атрибуты:

named_transformersBunch

Объект, подобный словарю, с указанными атрибутами. Читать-только атрибут для доступа к любому параметру преобразователя по заданному пользователю имени. Ключи — имена преобразователей, значения — параметры преобразователей.

Добавлен в версии 1.2.

n_features_in_int

Количество признаков, увиденных во время fit.

feature_names_in_массив формы (n_features_in_,)

Имена признаков, увиденных во время fit.

См. также

make_union

Функция-удобство для упрощенного построения 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       ,  3.0..., -0.8...],
       [ 1.5       ,  5.7...,  0.4...]])
>>> # An estimator's parameter can be set using '__' syntax
>>> union.set_params(svd__n_components=1).fit_transform(X)
array([[-1.5       ,  3.0...],
       [ 1.5       ,  5.7...]])

Для более подробного примера использования см. Объединение нескольких методов извлечения признаков.

свойствоfeature_names_in_

Имена признаков, увиденных во время fit.

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

Подгоняет все преобразователи с использованием X.

Параметры:

Xитерируемый или массив-подобный объект, в зависимости от преобразователей

Входные данные, используемые для подгонки преобразователей.

yмассив формы (n_samples, n_outputs), по умолчанию None

Цели для обучения с учителем.

**fit_paramsсловарь, по умолчанию None

• Если enable_metadata_routing=False, (по умолчанию): Параметры напрямую передаются методам fit подпреобразователей.
• Если enable_metadata_routing=True: Параметры безопасно передаются методам fit подпреобразователей. См. Руководство пользователя по маршрутизации метаданных для получения дополнительной информации.

Изменено в версии 1.5: **fit_params может быть перенаправлен через API маршрутизации метаданных.

Возвращает:

selfобъект

экземпляр класса FeatureUnion.

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

Подгоняет все преобразователи, преобразует данные и объединяет результаты.

Параметры:

Xитерируемый или массив-подобный объект, в зависимости от преобразователей

Входные данные для преобразования.

yмассив формы (n_samples, n_outputs), по умолчанию None

Цели для обучения с учителем.

**paramsсловарь, по умолчанию None

• Если enable_metadata_routing=False, (по умолчанию): Параметры напрямую передаются методам fit подпреобразователей.
• Если enable_metadata_routing=True: Параметры безопасно передаются методам fit подпреобразователей. См. Руководство пользователя по маршрутизации метаданных для получения дополнительной информации.

Изменено в версии 1.5: **params теперь может быть перенаправлен через API маршрутизации метаданных.

Возвращает:

X_tмассив или разреженная матрица формы (n_samples, sum_n_components)

Результат объединения результатов преобразователей. sum_n_components — сумма n_components (размерность вывода) по преобразователям.

get_feature_names_out(input_features=None)[source]

Получение имён выходных признаков для преобразования.

Параметры:

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

Входные признаки.

Возвращает:

feature_names_outмассив объектов str

Имена преобразованных признаков.

get_metadata_routing()[source]

Получение маршрутизации метаданных этого объекта.

Пожалуйста, обратитесь к Руководству пользователя, чтобы узнать, как работает механизм маршрутизации.

Добавлен в версии 1.5.

Возвращает:

routingMetadataRouter

А MetadataRouter содержащий информацию о маршрутизации.

get_params(deep=True)[source]

Получение параметров этого оценщика.

Возвращает параметры, заданные в конструкторе, а также оценщики, содержащиеся внутри transformer_list FeatureUnion.

Параметры:

deepbool, по умолчанию=True

Если True, вернёт параметры этого оценщика и вложенных подобъектов, являющихся оценщиками.

Возвращает:

paramsотображение строки к любому значению

Имена параметров, сопоставленные с их значениями.

свойствоn_features_in_

Количество признаков, увиденных во время fit.

set_output(*, transform=None)[source]

Устанавливает контейнер вывода, когда вызываются "transform" и "fit_transform". set_output установит вывод всех оценщиков в transformer_list.

Параметры:

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

Настройка вывода transform и fit_transform.

• "default": Формат вывода по умолчанию трансформатора
• "pandas": Вывод DataFrame
• "polars": Вывод Polars
• None: Конфигурация преобразования не изменена

Возвращает:

selfэкземпляр оценщика

Экземпляр оценщика.

set_params(**kwargs)[source]

Установка параметров этого оценщика.

Список допустимых ключей параметров можно получить с помощью get_params(). Обратите внимание, что вы можете напрямую установить параметры оценщиков, содержащихся в transformer_list.

Параметры:

**kwargsсловарь

Параметры этого оценщика или параметры оценщиков, содержащихся в transform_list. Параметры трансформаторов могут быть установлены с помощью их имени и имени параметра, разделенных «__».

Возвращает:

selfобъект

Экземпляр класса FeatureUnion.

transform(X, **params)[source]

Преобразует X по каждому трансформатору отдельно, объединяет результаты.

Параметры:

Xитерируемый или массив-подобный, в зависимости от трансформаторов

Входные данные, подлежащие преобразованию.

**paramsсловарь, по умолчанию=None

Параметры, перенаправляемые в метод transform подтрансформаторов через API маршрутизации метаданных. Подробнее см. Руководство пользователя по маршрутизации метаданных.

Добавлен в версии 1.5.

Возвращает:

X_tмассив-подобный или разреженная матрица формы (n_samples, sum_n_components)

Объединённые результаты трансформаторов. sum_n_components — сумма n_components (размерность вывода) по трансформаторам.

Примеры из галереи

Инженерия признаков, связанных со временем

Объединение нескольких методов извлечения признаков