如何使用管道API标记编码？

Question

我想通过scikit学习管道整合标签编码。不幸的是，LabelEncoder()被管道API破坏了，所以现在这不是一个选项。我尝试创建自己的类，它调用.map()将类别映射到标签：

from sklearn.base import TransformerMixin
from sklearn.base import BaseEstimator

class RatingEncoder(BaseEstimator, TransformerMixin):
    """Takes in dataframe, converts all categorical Ratings columns into numerical Ratings columns
    via label-encoding"""

    def __init__(self):
        pass

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

    def transform(self, df, y=None):
        """"Transform all of the categorical ratings columns into numerical ratings columns"""
        for feature in df.columns:
            df[feature] = df[feature].map({
                "Po"   : 1,
                "Fa"   : 2,
                "TA"   : 3,
                "Gd"   : 4,
                "Ex"   : 5,
            })
        return df

然后，我设置了以下管道：

def select_numeric_features(df):
    return df.select_dtypes(include=np.number).columns

def select_categorical_features(df):
    return df.select_dtypes(exclude=np.number).columns

def select_rated_features(df):
    rated_features = []
    for column in df:
        # This criteria determines if a column is a 'rated column'
        if any(df[column] == 'TA'):
            rated_features.append(column)
    return rated_features

pipeline = make_column_transformer(

    (RatingsTransformer(), select_rated_features),
    (SimpleImputer(strategy='constant', fill_value='None'), select_categorical_features),
    (SimpleImputer(strategy='constant', fill_value=0), select_numeric_features),
    remainder='passthrough'

)

这方面的问题是，在RatingsTransformer()步骤之后，分类的“评级”列应该变成数字列。但是，这种更改不会出现在列转换器的列选择部分中，因此select_numerical_features和select_categorical_features将选择不正确的“分级”列，就好像它们没有从类别映射到值一样。基本上，列转换器没有使用在管道中间更新的列。有什么解决办法吗？或者，是否有一个更简单的解决方案LabelEncoding使用管道API？

Answer 1

LabelEncoder是编码标签，从而编码y (或目标)。如果您想对数据(即X)进行编码，您可以使用一个OneHotEncoder或OrdinalEncoder，它们可以很容易地从scikit学习中集成到Pipeline中。

在您的情况下，您似乎希望对数据进行序号编码。

from sklearn.pipeline import make_pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import OrdinalEncoder

preprocessor = make_pipeline(
    SimpleImputer(strategy="constant", fill_value="missing"),
    OrdinalEncoder()
)

preprocessor.fit_transform(X_train)

在这里可以找到一个更完整的例子：https://scikit-learn.org/stable/auto_examples/compose/plot_column_transformer_mixed_types.html#sphx-glr-auto-examples-compose-plot-column-transformer-mixed-types-py

如果分类器不是线性模型(例如，OrdinalEncoder )，您可以想象使用一个OneHotEncoder而不是OneHotEncoder。