Scikit-learn: लेबलबिनाराइज़र और लेबलएनकोडर पाइपलाइन के साथ संगत नहीं हस्ताक्षरों को फिट और रूपांतरित करते हैं

को निर्मित 26 अप्रैल 2014 · 6टिप्पणियाँ · स्रोत: scikit-learn/scikit-learn

जब मैं पाइपलाइन में LabelBinarizer और LabelEncoder का उपयोग करने का प्रयास करता हूं तो मुझे यह त्रुटि मिलती है:

sklearn/pipeline.pyc in fit_transform(self, X, y, **fit_params)
    141         Xt, fit_params = self._pre_transform(X, y, **fit_params)
    142         if hasattr(self.steps[-1][-1], 'fit_transform'):
--> 143             return self.steps[-1][-1].fit_transform(Xt, y, **fit_params)
    144         else:
    145             return self.steps[-1][-1].fit(Xt, y, **fit_params).transform(Xt)

TypeError: fit_transform() takes exactly 2 arguments (3 given)

ऐसा इसलिए लगता है क्योंकि कक्षाओं के fit और transform हस्ताक्षर अधिकांश अन्य अनुमानकों से अलग हैं और केवल एक तर्क को स्वीकार करते हैं।

मुझे लगता है कि यह एक बहुत ही आसान समाधान है (बस हस्ताक्षर को def(self, X, y=None) बदलें) जिसके लिए मुझे एक पुल अनुरोध भेजने में खुशी होगी, लेकिन मैं यह जांचना चाहता था कि क्या कोई अन्य कारण हैं कि हस्ताक्षर हैं जिस तरह से वे हैं कि मैंने नहीं सोचा था।

API

स्रोत

hxu

सबसे उपयोगी टिप्पणी

मैं देख रहा हूं कि इस पेज पर बहुत सारी नकारात्मक प्रतिक्रियाएं आई हैं। मुझे लगता है कि लेबलबिनाराइज़र और लेबलएनकोडर के उद्देश्य की एक लंबी गलतफहमी रही है। ये लक्ष्य के लिए हैं, सुविधाओं के लिए नहीं। हालांकि माना जाता है कि वे मेरे समय से पहले (और खराब नाम वाले) डिजाइन किए गए थे।

हालाँकि मुझे लगता है कि उपयोगकर्ता लंबे समय से इस उद्देश्य के लिए काउंटवेक्टराइज़र (या dataframe.to_dict(orient='records') साथ डिक्टवेक्टराइज़र) का उपयोग कर रहे होंगे, हमने हाल ही में एक CategoricalEncoder (#9151) का विलय किया है। ) मास्टर में, हालांकि इसे OneHotEncoer में रोल किया जा सकता है, और रिलीज़ से पहले एक नया OrdinalEncoder (#10521)।

मुझे आशा है कि यह स्पष्ट रूप से असंतुष्ट जनता की जरूरतों को पूरा करेगा।

मुझे कहना होगा कि किसी ऐसे व्यक्ति के रूप में जो इस परियोजना के विकास के लिए लगभग पांच वर्षों से भारी मात्रा में खाली समय दे रहा है (और हाल ही में इस पर काम करने के लिए भी नियोजित किया गया है), रचनात्मक योगदान के बजाय नकारात्मक प्रतिक्रियाओं की भयावहता को देखते हुए पुस्तकालय के लिए काफी दुखद है। हालाँकि, ऊपर मेरी प्रतिक्रिया यह है कि आपको एक नई पाइपलाइन जैसी चीज़ लिखनी चाहिए, बजाय स्पष्ट इनपुट के लिए एक नए ट्रांसफार्मर की मेरी ओर से एक गलतफहमी थी (और इसे दूसरों द्वारा ठीक किया जा सकता था), जो मुझे आशा है कि काम करते समय समझ में आता है। भारी कार्यभार जो इस परियोजना को बनाए रख रहा है।

jnothman 29 जन॰ 2018

👍13

सभी 6 टिप्पणियाँ

मुझे लगता है कि आप इसे ठीक करने के लिए सही हैं।

26 अप्रैल 2014 19:37 पर, hxu [email protected] लिखा है:

मुझे यह त्रुटि तब मिलती है जब मैं लेबलबिनाराइज़र और लेबलएनकोडर का उपयोग करने का प्रयास करता हूं
पाइपलाइन:
sklearn/pipeline.pyc में fit_transform(self, X, y, *_fit_params)
141 Xt, fit_params = self._pre_transform(X, y, *_fit_params)
142 अगर हैशट्र (सेल्फ.स्टेप्स[-1] [-1], 'फिट_ट्रांसफॉर्म'):--> 143 रिटर्न सेल्फ.स्टेप्स [-1] [-1]। फिट_ट्रांसफॉर्म (एक्सटी, वाई, *_फिट_परम्स)
144 अन्य:
145 रिटर्न सेल्फ.स्टेप्स[-1][-1].फिट(Xt, y, *_fit_params).transform(Xt)
लेखन त्रुटि: fit_transform () बिल्कुल 2 तर्क लेता है (3 दिए गए)
ऐसा लगता है कि ऐसा इसलिए है क्योंकि कक्षाएं फिट और ट्रांसफॉर्म सिग्नेट urehttps://github.com/scikit-learn/scikit-learn/blob/master/sklearn/preprocessing/label.py#L85 अधिकांश अन्य
मुझे लगता है कि यह एक बहुत आसान फिक्स है (बस हस्ताक्षर को def (स्वयं,
X, y=None)) कि मुझे एक पुल अनुरोध भेजने में खुशी होगी, लेकिन मैं चाहता था
जाँच करें कि क्या कोई अन्य कारण थे कि हस्ताक्षर वैसे ही हैं जैसे वे हैं
क्या मैंने ऐसा नहीं सोचा था।
-
इस ईमेल का सीधे उत्तर दें या इसे Gi tHub पर देखें
.

jnothman 26 अप्रैल 2014

#3113 में हमने तय किया है कि इसे ठीक नहीं किया जाना चाहिए क्योंकि लेबल एन्कोडिंग वास्तव में Pipeline से संबंधित नहीं है।

jnothman 31 अग॰ 2014

👎9 👀1

@jnothman , बस यह जानने के लिए: अगर मुझे पाइपलाइन में एक स्पष्ट विशेषता को

tutuca 15 जून 2016

❤1 👍1

अपने विशिष्ट मामले को संभालने के लिए आप अपना खुद का Pipeline-like कोड (शायद मौजूदा से विरासत में मिला) लिखना सबसे अच्छा हो सकता है।

jnothman 16 जून 2016

👎22 😕10 👍1

एक पाइपलाइन में लेबलबिनाराइज़र का उपयोग करने के बजाय मैंने अभी अपना ट्रांसफॉर्मर लागू किया है:

class CustomBinarizer(BaseEstimator, TransformerMixin):
    def fit(self, X, y=None,**fit_params):
        return self
    def transform(self, X):
        return LabelBinarizer().fit(X).transform(X)

चाल चलने लगता है!

संपादित करें:

यह एक बेहतर उपाय है:
https://github.com/scikit-learn/scikit-learn/pull/7375/files#diff -1e175ddb0d84aad0a578d34553f6f9c6

Kallin 10 जुल॰ 2017

👍3 😄1

मुझे आशा है कि यह स्पष्ट रूप से असंतुष्ट जनता की जरूरतों को पूरा करेगा।

jnothman 29 जन॰ 2018

👍13

क्या यह पृष्ठ उपयोगी था?

0 / 5 - 0 रेटिंग्स

Scikit-learn: लेबलबिनाराइज़र और लेबलएनकोडर पाइपलाइन के साथ संगत नहीं हस्ताक्षरों को फिट और रूपांतरित करते हैं

सबसे उपयोगी टिप्पणी

सभी 6 टिप्पणियाँ

संबंधित मुद्दों