无法通过断言检查 [Creating custom transformer, scikit-learn]

Question

给出的数据来自

%%bash
mkdir data
wget http://dataincubator-wqu.s3.amazonaws.com/mldata/providers-train.csv -nc -P ./ml-data
wget http://dataincubator-wqu.s3.amazonaws.com/mldata/providers-metadata.csv -nc -P ./ml-data

这些上下文： “我们将从 DataFrame 中包含数字和布尔特征的列开始。一些行包含空值；估计器无法处理空值，因此必须估算或删除这些值。我们将创建一个包含处理这些特征的转换器的管道，然后通过估算器。

注意：评分器检查您的答案时，会将字典列表传递给估算器的预测或 predict_proba 方法，而不是 DataFrame。这意味着您的模型必须适用于这两种数据类型。为此，我们提供了自定义 ColumnSelectTransformer 供您使用，而不是 scikit-learn 自己的 ColumnTransformer。"

我的任务是完成以下代码片段。但是我没能通过断言测试。下面附上我的尝试：

simple_cols = ['BEDCERT', 'RESTOT', 'INHOSP', 'CCRC_FACIL', 'SFF', 'CHOW_LAST_12MOS', 'SPRINKLER_STATUS', 'EXP_TOTAL', 'ADJ_TOTAL']

class ColumnSelectTransformer(BaseEstimator, TransformerMixin):
    def __init__(self, columns):
        self.columns = columns

    def fit(self, X, y=None):
        return self

    def transform(self, X):
        if not isinstance(X, pd.DataFrame):
            X = pd.DataFrame(X)
        X.dropna(inplace=True)
        return X[self.columns].values()

simple_features = Pipeline([
    ('cst', ColumnSelectTransformer(simple_cols)),
])

完成此断言检查

assert data['RESTOT'].isnull().sum() > 0
assert not np.isnan(simple_features.fit_transform(data)).any()

希望能得到任何帮助，谢谢！

Answer 1

由于

我无法通过断言测试

 return X[self.columns].values()

正确的return陈述应该是

return X[self.columns].values

无法通过断言检查 [Creating custom transformer, scikit-learn]

Unable to Pass Assertion Check [Creating custom transformer, scikit-learn]

python

machine-learning

assertion

pandas

scikit-learn