标签：transformer compose ColumnTransformer make pipeline train columns sklearn

sklearn.compose.ColumnTransformer可以用来构建一个数据转换器，用允许单独转换输入的不同列或列子集，并且每个转换器生成的特征将串联起来以形成单个特征空间。这对于异构或列式数据非常有用，可以将多个特征提取机制或转换组合到单个转换器中。
配合sklearn.pipeline.make_pipeline可以高效地构建一个可以复用的数据转换器，常用的可以配合使用StandardScaler以及Normalizer

from sklearn.pipeline import make_pipeline
from sklearn.compose import make_column_transformer
from sklearn.preprocessing import StandardScaler, MinMaxScaler

X = train.drop('target', axis=1).copy()
y = train.target.copy()
test_X = test.copy()

# Scaling and Nomalization
transformer = make_pipeline(
    StandardScaler()
)
columns = X.columns[:-11]

transformer_new = make_pipeline(
    StandardScaler()
)
new_columns = X.columns[-11:]

preprocessor = make_column_transformer(
    (transformer, columns),
    (transformer_new, new_columns),
)

使用：

train_X = preprocessor.fit_transform(train_X)
val_X = preprocessor.transform(val_X)

标签：transformer,compose,ColumnTransformer,make,pipeline,train,columns,sklearn
来源： https://www.cnblogs.com/Asp1rant/p/16243398.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。