scikit-learn - sklearn Pipeline 和 DataFrameMapper 有什么区别？

Question

Sklearn 管道:http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html

数据帧映射器:https://github.com/paulgb/sklearn-pandas

它们之间有什么区别？

在我看来，sklearn 管 Prop 有更多功能，但 DataFrameMapper 更适合我使用。

Answer 1

编辑:请参阅有关可能更好的评论讨论 ColumnTransformer方法。可以找到可能感兴趣的比较表 Here .

基本上，DataFrameMapper (以及整个 sklearn-pandas 包)旨在结合 pandas 的优点 DataFrame具有 sklearn 机器学习包功能的对象。
安 sklearn.Pipeline描述了对矩阵格式执行的转换的有序列表(由 numpy 和 scipy 包提供)。这些转换将按顺序在整个矩阵上一个接一个地执行，并将从头到尾对整个训练和预测过程进行编码。
管道转换(又名步骤)元组的第一部分是它的名称，它对过程没有实际影响，它只是为了可读性。
一个 DataFrameMapper另一方面，对由 pandas 包创建的 DataFrame 对象进行操作，并且可以将转换应用于数据帧的某些部分(不一定在整个数据集上)。 DataFrames 类似于 numpy 和 scipy 矩阵，在跟踪行和列标签和元数据方面有一个明显的区别。 DataFrames 操作将确保可以使用逻辑标识而不是索引来访问、操作和读取行和列。DataFrameMapper第一部分转换元组描述了哪些列应该通过转换运行。
三个大的区别是:

一个 DataFrameMapper是一个更灵活的工具，它可以让你在不同的列上执行不同的转换，并且更倾向于转换复杂的数据结构，而 sklearn.Pipeline更倾向于在同构数据集上执行机器学习相关的转换。

一个 DataFrameMapper将让您保留分配给 Pandas 的注释和标签 DataFrame对象，而 sklearn.Pipeline将任何结果“减少”为 numpy/scipy 数组/矩阵。

sklearn.Pipeline是更稳定和众所周知的软件包的一部分，因此如果稳定性和维护等考虑因素很重要，则可能是“更安全”的选择。