如何避免sklearn2pmml变换中的虚拟变量陷阱

Question

在尝试创建sklearn2pmml管道时，我使用以下代码进行自定义映射，然后使用PMMLLabelBinarizer创建虚拟变量。事情是，我想避免虚拟变量陷阱。是否有一种方法可以使用PMMLPipelines并避免使用任何自定义FunctionTransformer函数(我希望最终将管道转换为PMML文件)

我无法找到一种方法来使用一个现成的PMML兼容函数删除我的上一篇专栏文章。(DataframeMapper是一个sklearn_pandas函数)。

DataFrameMapper([
     ('Merchant', [CategoricalDomain(missing_values=[None, np.nan])
                    , LookupTransformer(map_dict, 'ZZ'), PMMLLabelBinarizer()
                   ])
])

Answer 1

您可以使用sklearn.compose.ColumnTransformer限制列数；其思想是指定ColumnTransformer.remainder = "drop"。

例如，如果管道以生成5列矩阵的DataFrameMapper开头，但只想保留前四列：

pipeline = PMMLPipeline([
  ("mapper", DataFrameMapper[...]),
  ("slicer", ColumnTransformer([
    ("keep", "passthrough", [0, 1, 2, 3])
  ], remainder = "drop"),
  ("estimator", ...)
])

对ColumnTransformer的支持可以从最新的SkLearn2PMML 0.42.0版本开始，因此您可能需要首先升级到它。