从Sklearlin列变压器中提取功能名称

Question

我正在使用 sklearn.pipeline 来转换我的特征并拟合模型，所以我的一般流程如下所示：列转换器 -->通用管道-->模型。我希望能够从列转换器中提取特征名称（从下一步开始，通用管道对所有列应用相同的转换，例如 nan_to_zero）并将它们用于模型可解释性（例如特征重要性）。我还希望它也能与自定义转换器类一起使用。

设置如下：

import numpy as np
import pandas as pd
from sklearn import compose, pipeline, preprocessing

df = pd.DataFrame({"a": [1, 2, 3], "b": [1, 2, 3], "c": ["x", "y", "z"]})
column_transformer = compose.make_column_transformer(
   (preprocessing.StandardScaler(), ["a", "b"]),
   (preprocessing.KBinsDiscretizer(n_bins=2, encode="ordinal"), ["a"]),
   (preprocessing.OneHotEncoder(), ["c"]),
)
pipe = pipeline.Pipeline([
   ("transform", column_transformer),
   ("nan_to_num", preprocessing.FunctionTransformer(np.nan_to_num, validate=False))
])
pipe.fit_transform(df)  # returns a numpy array

到目前为止，我已经尝试使用 get_feature_names_out，例如：

pipe.named_steps["transform"].get_feature_names_out()

但我遇到了 get_feature_names_out()需要 1 个位置参数，但给出了 2 个，不确定发生了什么，但整个过程感觉不对。有更好的方法吗？

编辑：非常感谢@amiola回答这个问题，这确实是问题所在。我只是想为后人添加另一个重要的观点：我在自己的自定义管道中遇到了其他问题，并且收到错误 get_feature_names_out() gets 1positional argument but 2 were given。事实证明，除了 KBinsDiscretizer 之外，我的自定义转换器类中还存在另一个错误。我实现了 get_feature_names_out 方法，但它不接受我这边的任何参数，这就是问题所在。如果您遇到类似问题，请确保此方法具有以下签名： get_feature_names_out(self, input_features) ->列表[str]。

Answer 1

看来问题是由传递给 KBinsDiscretizer 构造函数的 encode="ordinal" 参数生成的。该错误在 GitHub 问题 #22731 和 GitHub 问题#22841 并通过 PR #22735 解决。

事实上，您可能会发现，通过指定 encode="onehot" 您可能会得到一致的结果：

import numpy as np
import pandas as pd
from sklearn import compose, pipeline, preprocessing

df = pd.DataFrame({"a": [1, 2, 3], "b": [1, 2, 3], "c": ["x", "y", "z"]})
column_transformer = compose.make_column_transformer(
   (preprocessing.StandardScaler(), ["a", "b"]),
   (preprocessing.KBinsDiscretizer(n_bins=2, encode="onehot"), ["a"]),
   (preprocessing.OneHotEncoder(), ["c"]),
)
pipe = pipeline.Pipeline([
   ("transform", column_transformer),
   ("nan_to_num", preprocessing.FunctionTransformer(np.nan_to_num, validate=False))
])
pipe.fit_transform(df) 

pipe.named_steps['transform'].get_feature_names_out()

# array(['standardscaler__a', 'standardscaler__b', 'kbinsdiscretizer__a_0.0', 'kbinsdiscretizer__a_1.0','onehotencoder__c_x', 'onehotencoder__c_y', 'onehotencoder__c_z'], dtype=object)

除此之外，对我来说一切都很好。

最终，显然，甚至安装夜间构建，我仍然遇到同样的错误。