어떤 기능이 어떤 기능에 속하는지 확인할 수 있는 방법이 있어야 한다는 데 동의합니다.
구성 요소, 그리고 나는 오래전에 이것을 제안했지만, 나는 그것이 아니라고 생각합니다.
현재 가능합니다.

2016년 1월 6일 18:23에 genliu777 [email protected] 에서 다음과 같이 썼습니다.

나는 코드를 실행,

http://scikit-learnorg/stable/auto_examples/feature_stackerhtml#example -feature-stacker-py
다음 코드와 함께,

PCA 및 일변량 선택에서 추정기 구축:

Combine_features = FeatureUnion([("pca", pca), ("univ_select", 선택)])

결합된 기능을 사용하여 데이터세트 변환:

X_features = Combined_featuresfit(X, y)transform(X)

FeatureUnion에 데이터를 넣었을 때 어떤 기능이 선택되었는지 알고 싶습니다.
FeatureUnion 문서에는 get_feature_names() 함수가 있습니다.
모든 변환기에서 의 모든 이름을 가져오므로 이 함수를 호출하면 됩니다.
다음과 같은 오류가 발생합니다.
AttributeError: 변환기 pca가 get_feature_names를 제공하지 않습니다.
실제로, 나는 pca에 이와 같은 기능이 없다는 것을 알고 있지만 왜 FeatureUnion이
이 기능을 제공!?

—
이 이메일에 직접 답장하거나 GitHub에서 확인하세요.
https://github.com/scikit-learn/scikit-learn/issues/6122.

왜 현재 불가능!? FeatureUnion은 get_feature_names() 기능을 제공하며 작동해야 합니다!

아마도 sklearn의 모든 모델에는 fit 및 transform 기능이 있고 FeatureUnion에 넣을 수 있고 잘 작동할 수 있는 모든 모델을 만들어야 하며 속성을 소스로 제공해야 합니다. get_feature_names() if not hasattr(trans, 'get_feature_names'): $#$ 를 호출합니다. 그렇지 않으면 FeatureUnion이 get_feature_names() 의 기능을 반드시 제공하지는 않습니다!!

이것은 PCA의 특정 문제를 직접 해결하지 못할 수도 있지만, 귀하의 질문을 올바르게 읽으면 일반적으로 사용자 정의 파이프라인을 통해 속성을 여과하는 방법이 궁금할 것입니다.

당사자에게 늦었지만 파이프라인 구조를 살펴보고 적절한 단계(featureunion 내에서도)를 찾은 다음 적절한 속성을 사용하여 얼마나 복잡한지에 관계없이 파이프라인 내의 요소에 액세스할 수 있습니다. 다음은 방금 실행한 예입니다.

pipeline = Pipeline([ ('union', FeatureUnion([ ('categoric', Pipeline([ ('f_cat', feature_type_split(type = 'categoric')), #returns categoric in array for vect ('vect', vect), ])), ('numeric', Pipeline([ ('f_num', feature_type_split(type = 'numeric')), ])), ])), ('select', ff), ('tree_clf', clf), ])

print(pipeline)를 통해 파이프라인 객체 자체를 표시하면 참조 포인트가 제공됩니다.

Pipeline(steps=[('union', FeatureUnion(n_jobs=1, transformer_list=[('categoric', Pipeline(steps=[('f_cat', feature_type_split(type='categoric')), ('vect', DictVectorizer(dtype=<type 'numpy.float64'>, separator='=', sort=True, sparse=True))])), ('numeric', Pipeline(steps=[('f_num', feature_type...it=2, min_weight_fraction_leaf=0.0, presort=False, random_state=None, splitter='best'))])

그래서 다음을 통해 통합 단계로 이동합니다.

pipeline.named_steps['union']

그런 다음 다음을 통해 변환기_목록(또는 범주형 파이프라인)인 다음 수준으로 이동합니다.

pipeline.named_steps['union'].transformer_list[0]

그런 다음 다음을 통해 범주형 파이프라인 내의 단계인 다음 수준으로 이동합니다.

pipeline.named_steps['union'].transformer_list[0][1]

위의 결과는 이제 named_steps를 활용할 수 있는 일반적인 파이프라인 구조를 출력합니다.
print pipeline.named_steps['union'].transformer_list[0][1].named_steps['vect']

따라서 다음을 통해 필요한 속성에 액세스합니다.
print pipeline.named_steps['union'].transformer_list[0][1].named_steps['vect'].get_feature_names()

TLDR;
사용자 지정 파이프라인을 사용하여 파이프라인 구조를 하나씩 살펴보고 해당 변환/추정기 부분에 대해 일반적으로 하는 것처럼 속성에 액세스합니다.

scikit-learn의 get_feature_names 가 작동하지 않는 경우에 작동할 수 있는 eli5 의 transform_feature_names 를 시도하십시오.