用它包装的函数保存 sklearn `FunctionTransformer`

Question

我正在使用 sklearn 的 Pipeline 和 FunctionTransformer 以及自定义函数

from sklearn.externals import joblib
from sklearn.preprocessing import FunctionTransformer
from sklearn.pipeline import Pipeline

这是我的代码：

def f(x):
    return x*2
pipe = Pipeline([("times_2", FunctionTransformer(f))])
joblib.dump(pipe, "pipe.joblib")
del pipe
del f
pipe = joblib.load("pipe.joblib") # Causes an exception

我得到这个错误：

AttributeError: module '__ main__' has no attribute 'f'

如何解决这个问题？

请注意，此问题也发生在 pickle

Answer 1

我能够使用 marshal 模块（除了 pickle）破解解决方案并覆盖 getstate 和 setstate 使用的魔法方法 pickle.

import marshal
from types import FunctionType
from sklearn.base import BaseEstimator, TransformerMixin

class MyFunctionTransformer(BaseEstimator, TransformerMixin):
    def __init__(self, f):
        self.func = f
    def __call__(self, X):
        return self.func(X)
    def __getstate__(self):
        self.func_name = self.func.__name__
        self.func_code = marshal.dumps(self.func.__code__)
        del self.func
        return self.__dict__
    def __setstate__(self, d):
        d["func"] = FunctionType(marshal.loads(d["func_code"]), globals(), d["func_name"])
        del d["func_name"]
        del d["func_code"]
        self.__dict__ = d
    def fit(self, X, y=None):
        return self
    def transform(self, X):
        return self.func(X)

现在，如果我们使用 MyFunctionTransformer 而不是 FunctionTransformer，代码将按预期工作：

from sklearn.externals import joblib
from sklearn.pipeline import Pipeline

@MyFunctionTransformer
def my_transform(x):
    return x*2
pipe = Pipeline([("times_2", my_transform)])
joblib.dump(pipe, "pipe.joblib")
del pipe
del my_transform
pipe = joblib.load("pipe.joblib")

它的工作方式是从 pickle 中删除函数 f，取而代之的是 marshaling 它的代码和名称。

dill 看起来也是一个不错的封送处理替代方案

用它包装的函数保存 sklearn `FunctionTransformer`

Saving an sklearn `FunctionTransformer` with the function it wraps

python

scikit-learn

pickle

joblib