我嘗試在學生的Pipeline上做一個教程,但我阻止。我不是專家,但我正在努力改進。所以謝謝你的放縱。 事實上,我嘗試在管道中準備一個數據幀進行分類執行以下幾個步驟:使用管道sklearn(Python)的多個自定義類
- 第1步:數據幀的說明
- 第2步:填寫NaN值
- 步驟3:轉變分類值轉換爲數字
這裏是我的代碼:
class Descr_df(object):
def transform (self, X):
print ("Structure of the data: \n {}".format(X.head(5)))
print ("Features names: \n {}".format(X.columns))
print ("Target: \n {}".format(X.columns[0]))
print ("Shape of the data: \n {}".format(X.shape))
def fit(self, X, y=None):
return self
class Fillna(object):
def transform(self, X):
non_numerics_columns = X.columns.difference(X._get_numeric_data().columns)
for column in X.columns:
if column in non_numerics_columns:
X[column] = X[column].fillna(df[column].value_counts().idxmax())
else:
X[column] = X[column].fillna(X[column].mean())
return X
def fit(self, X,y=None):
return self
class Categorical_to_numerical(object):
def transform(self, X):
non_numerics_columns = X.columns.difference(X._get_numeric_data().columns)
le = LabelEncoder()
for column in non_numerics_columns:
X[column] = X[column].fillna(X[column].value_counts().idxmax())
le.fit(X[column])
X[column] = le.transform(X[column]).astype(int)
return X
def fit(self, X, y=None):
return self
如果我執行步驟1和2或者步驟1和3,但是如果我同時執行步驟1,步驟2和步驟3。我有這樣的錯誤:
pipeline = Pipeline([('df_intropesction', Descr_df()), ('fillna',Fillna()), ('Categorical_to_numerical', Categorical_to_numerical())])
pipeline.fit(X, y)
AttributeError: 'NoneType' object has no attribute 'columns'
也許他們中的一些無:'X'或'y'。全堆棧請。 – sergzach