检查“已安装sk-学习”管道仍会导致“TFIdfVectorizer尚未安装”

Question

这是一个不安全感，我与sk-学习的管道。每当我在sk中创建一个管道-学习并使用这个管道做一些预测，我似乎遇到了一个问题，我不能实际检查管道的中间步骤。预测是可行的，我得到了我的分数，但是如果我想获得实例中的“特性重要性”，或者检查TF-下手向量器的特性是什么，则声称管道不合适(即使它是最近用于推理的，而且我已经对它进行了培训)。

举个例子，从Scikit- 这里的文档中调用以下代码片段的这里可以进行预测，但是当我想检查管道的tfidf时，它声称同样的不合适的问题。

pipeline = Pipeline([
    # Extract the subject & body
    ('subjectbody', SubjectBodyExtractor()),

    # Use ColumnTransformer to combine the features from subject and body
    ('union', ColumnTransformer(
        [
            # Pulling features from the post's subject line (first column)
            ('subject', TfidfVectorizer(min_df=50), 0),

            # Pipeline for standard bag-of-words model for body (second column)
            ('body_bow', Pipeline([
                ('tfidf', TfidfVectorizer()),
                ('best', TruncatedSVD(n_components=50)),
            ]), 1),

            # Pipeline for pulling ad hoc features from post's body
            ('body_stats', Pipeline([
                ('stats', TextStats()),  # returns a list of dicts
                ('vect', DictVectorizer()),  # list of dicts -> feature matrix
            ]), 1),
        ],

        # weight components in ColumnTransformer
        transformer_weights={
            'subject': 0.8,
            'body_bow': 0.5,
            'body_stats': 1.0,
        }
    )),

    # Use a SVC classifier on the combined features
    ('svc', LinearSVC(dual=False)),
], verbose=True)

在将管道安装在数据上(如在链接中所做的那样)之后，当我尝试使用

pipeline.named_steps.union.transformers[1][1].named_steps['tfidf'].get_feature_names() 

它声称“词汇不符合或不提供”。

所以，这是我对管道的误解吗？我们不应该进入中间的步骤吗？或者需要设置一个设置？

Answer 1

你需要通过.transformers_来访问变压器，所以pipeline.named_steps.union.transformers_[1][1].named_steps['tfidf'].get_feature_names()