python - 使用自定义函数在 sklearn 中创建管道？

Question

如何使用自定义函数创建 sklearn 管道？
我有两个功能，一个用于清理数据，第二个用于构建模型。

def preprocess(df):
   ……………….
   # clean data
   return df_clean

def model(df_clean):
   …………………
   #split data train and test and build randomForest Model
   return model

所以我使用 FunctionTransformer 并创建了管道

from sklearn.pipeline import Pipeline, make_pipeline
from sklearn.preprocessing import FunctionTransformer

pipe = Pipeline([("preprocess", FunctionTransformer(preprocess)),("model",FunctionTransformer(model))])

pred = pipe.predict_proba(new_test_data)
print(pred)

我知道上面是错误的，不知道如何处理，在管道中我需要先传递训练数据，然后我必须传递 new_test_data？

Answer 1

您需要创建自己的类，该类继承了 sklearn 的 BaseEstimator、TransformerMixin。

然后在您自己的类的 fit/transform/fit_transform/predict/predict_prob 等函数中指定您的函数。

Put customized functions in Sklearn pipeline