从 sklearn 列转换器中提取特征名称

Question

我正在使用 sklearn.pipeline 来转换我的特征并拟合模型，因此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（从接下来的步骤开始，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）。我也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()

但我运行进入 get_feature_names_out() takes 1 positional argument but 2 were given，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 回答问题，这确实是问题所在。我只是想为后代补充另一个重点：我在使用自己的自定义管道时遇到了其他问题，并且遇到了错误 get_feature_names_out() takes 1 positional argument but 2 were given。所以事实证明，除了 KBinsDiscretizer 之外，我的自定义转换器类中还有另一个错误。我实现了 get_feature_names_out 方法，但它在我这边不接受任何参数，这就是问题所在。如果您运行遇到类似问题，请确保此方法具有以下签名：get_feature_names_out(self, input_features) -> List[str].

Answer 1

问题似乎是由传递给 KBinsDiscretizer 构造函数的 encode="ordinal" 参数引起的。在 GitHub issue #22731 and GitHub issue #22841 and solved with PR #22735.

中跟踪了错误

实际上，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，我觉得一切都很好。

最后，显然，即使安装 nightly builds，我仍然得到同样的错误。

从 sklearn 列转换器中提取特征名称

Extracting feature names from sklearn column transformer

python

pipeline

pandas

scikit-learn