学习管道和过滤记录？

Question

我一直试图为sklearn Pipeline体系结构设计一个转换器，它实际上过滤和删除了符合特定条件的记录--如果您愿意的话，这是一个WHERE子句。我发现这就是答案上写着“任何删除或添加样本的转换器，就现有版本的scikit学习而言，都不符合API"，但它是7年前的版本。事情是否发生了变化，如果没有，什么是Pipeline哲学的好陈述，解释了为什么删除记录不符合它的概念？(我绝对理解为什么添加样本是没有意义的，我认为我理解为什么删除可能没有意义，但我想阅读一下这方面的官方原因，以便更好地掌握API的思想。)

Answer 1

截至今天，这一声明仍然有效。

我不知道scikit-learn文档中有任何“正式”声明可以解决这个问题或证明这种设计选择是合理的。但是，我认为不支持这一点的主要原因是Pipeline对象只转换X。至少在这一点上，有一个来源

管道只转换观测数据(X)。

因此，如果要将任何样本删除或添加到X中，则样本数将与y不一致。我认为这是这个设计选择的最可能的原因。

尽管如此，imblearn的管道实现实际上确实允许转换来改变样本大小，因为它允许在管道中包含重放(参见这里)。但是，这仅限于仅符合imblearn API方法的抽样方法。