Sklearn自定义转换器：使用FunctionTransformer与子类TransformerMixin的区别

Question

为了实现正确的CV，建议使用管道，以便可以对CV中的每个折叠应用相同的变换。我可以使用sklearn.preprocessing.FunctionTrasformer或subclassing sklearn.base.TransformerMixin来定义自定义转换。建议采用哪种方法？为什么？

Answer 1

好吧，这完全取决于你，两者或多或少都会达到相同的结果，只是你写代码的方式不同。

例如，在使用sklearn.preprocessing.FunctionTransformer时，您可以简单地定义要使用的函数，并像这样直接调用它（code from official documentation）

def all_but_first_column(X):
    return X[:, 1:]

def drop_first_component(X, y):
    """
    Create a pipeline with PCA and the column selector and use it to
    transform the dataset.
    """
    pipeline = make_pipeline(PCA(), FunctionTransformer(all_but_first_column),)

    X_train, X_test, y_train, y_test = train_test_split(X, y)
    pipeline.fit(X_train, y_train)
    return pipeline.transform(X_test), y_test

另一方面，在使用subclassing sklearn.base.TransformerMixin时，必须定义整个类以及类的fit和transform函数。 所以您必须创建这样的类（示例代码取自this blog post）

class FunctionFeaturizer(TransformerMixin):
    def __init__(self, *featurizers):
        self.featurizers = featurizers

    def fit(self, X, y=None):
        return self

   def transform(self, X):
        #Do transformations
        return transformed data

如您所见，TransformerMixin在转换函数方面比FunctionTransformer提供了更多的灵活性。您可以应用多个trasnformation或部分转换（取决于值等）。例如，对于您要记录的前50个值，而对于接下来的50个值，您希望采用逆日志，依此类推。您可以很容易地定义转换方法来有选择地处理数据。

如果你只想直接使用一个函数，就使用sklearn.preprocessing.FunctionTrasformer，否则如果你想做更多的修改或者说复杂的转换，我建议subclassing sklearn.base.TransformerMixin

这里，请看下面的链接以获得更好的主意

• handling unknown categories in sklearn
• Building sklearn compatible transformer
• official documentation example of function transformer