分割應用程序結合sklearn管道

Question

我想使用sklearn生成一個管道，我不知道如何去做。下面是一個小例子：

def numFeat(data): 
    return data[['AGE', 'WASTGIRF']] 

def catFeat(data): 
    return pd.get_dummies(data[['PAI', 'smokenow1']]) 

features = FeatureUnion([('f1',FunctionTransformer(numFeat)), 
         ('f2',FunctionTransformer(catFeat)) ]) 

pipeline = Pipeline([('f', features), ('lm',LinearRegression())]) 

data = pd.DataFrame({'AGE':[1,2,3,4], 
        'WASTGIRF': [23,5,43,1], 
        'PAI':['a','b','a','d'], 
        'smokenow1': ["lots", "some", "none", "some"]}) 

pipeline.fit(data, y) 
print pipeline.transform(data) 

在上面的例子中，data是包含在其他的列['AGE', 'WASTGIRF', 'PAI', 'smokenow1']一個熊貓數據幀。

當然，在FeatureUnion的例子中，我想提供更多的轉換操作，但是，他們都採用了Pandas DataFrame並返回了另一個Pandas DataFrame。所以實際上，我想要做這樣的事情......

data --+-->num features-->num transforms--+-->FeatureUnion-->model 
     |         | 
     +-->cat features-->cat transforms--+ 

我該如何去做這件事？

對於上面的例子中，我得到的錯誤是...

TypeError: float() argument must be a string or a number 

Answer 1

您需要初始化FunctionTransformer與validate=False（IMO這是一個不好的默認應改變）：

features = FeatureUnion([('f1',FunctionTransformer(numFeat, validate=False)), 
         ('f2',FunctionTransformer(catFeat, validate=False))]) 

另請參閱sklearn pipeline - how to apply different transformations on different columns