sklearn.pipeline.FeatureUnion¶
class sklearn.pipeline.FeatureUnion(transformer_list, *, n_jobs=None, transformer_weights=None, verbose=False)
连接多个转换器对象的结果。
这个估计器将转换器对象列表与输入数据并行应用，然后合并结果。这对于将多个特征提取机制组合到单个转换器中很有用。
可以使用转换器名称和以“__”分隔的参数名称来设置转换器的参数。可以通过将参数的名称设置为另一个转换器来完全替换一个转换器，也可以通过将其设置为“ drop”来删除它。
在用户指南中阅读更多内容。
版本0.13中的新功能。
| 参数 | 说明 |
|---|---|
| transformer_list | list of (string, transformer) tuples 要应用于数据的转换器对象列表。每个元组的前半部分是转换器的名称。 在0.22版中进行了更改：==不建议设置 None因为转换器支持“ drop”。== |
| n_jobs | int, default=None 要并行运行的CPU数。 None除非在joblib.parallel_backend环境中，否则表示1 。 -1表示使用所有处理器。有关 更多详细信息，请参见词汇表。v0.20版中的更改： n_jobs默认从1更改为None |
| transformer_weights | dict, default=None 每个转换器的特征权重。键是转换器名称，权重值。 |
| verbose | bool, default=False 如果为True，则在完成拟合时将会打印拟合每个转换器时所经过的时间。 |
| 属性 |
|---|
| n_features_in_ |
另见：
sklearn.pipeline.make_union便利的函数可简化特征合并结构。
示例
>>> 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...]])
方法
| 方法 | 说明 |
|---|---|
fit(X[, y]) |
使用X拟合所有转换器 |
fit_transform(X[, y]) |
拟合所有转换器，转换数据并连接结果 |
get_feature_names() |
获取所有转换器的特征名称。 |
get_params([deep]) |
获取这个估计器的参数。 |
set_params(**kwargs) |
为这个估计器设置参数。 |
transform(X) |
由每个转换器分别转换X，连接结果 |
__init__(transformer_list, *, n_jobs=None, transformer_weights=None, verbose=False)
[源码]
初始化self。详情可参阅 type（self）的帮助。
fit(X, y=None, **fit_params)
[源码]
使用X拟合所有转换器
| 参数 | 说明 |
|---|---|
| X | iterable or array-like, depending on transformers 输入要转换的数据。 |
| y | array-like of shape (n_samples, n_outputs), default=None 监督学习的标签 |
| 返回值 | 说明 |
|---|---|
| self | FeatureUnion 这个估计器 |
fit_transform(X, y=None, **fit_params)
[源码]
拟合所有转换器，转换数据并连接结果
| 参数 | 说明 |
|---|---|
| X | iterable or array-like, depending on transformers 输入要转换的数据。 |
| y | array-like of shape (n_samples, n_outputs), default=None 监督学习的标签 |
| 返回值 | 说明 |
|---|---|
| X_t | array-like or sparse matrix of shape (n_samples, sum_n_components) transformers. sum_n_components横向拼接的结果是转换器上n_components(输出维数)的和。 |
get_feature_names()
[源码]
获取所有转换器的特征名称。
| 返回值 | 说明 |
|---|---|
| feature_names | list of strings 转换产生的特征的名称。 |
get_params(deep=True)
[源码]
获取这个估计器的参数。
| 参数 | 说明 |
|---|---|
| deep | bool, default=True 如果为True，则将返回这个估计器的参数和所包含的估计器子对象。 |
| 返回值 | 说明 |
|---|---|
| params | mapping of string to any 参数名映射到其值 |
set_params(**kwargs)
[源码]
为这个估计器设置参数。
有效的参数键可以用get_params()列出。
| 返回值 |
|---|
| self |
transform(X)
[源码]
由每个转换器分别转换X，连接结果
| 参数 | 说明 |
|---|---|
| X | iterable or array-like, depending on transformers 输入要转换的数据。 |
| 返回值 | 说明 |
|---|---|
| X_t | array-like or sparse matrix of shape (n_samples, sum_n_components) transformers. sum_n_components横向拼接的结果是转换器上n_components(输出维数)的和。 |
