Использование разных функций для одного и того же оценщика в конвейере

У меня есть хороший конвейер, который делает следующее:

pipeline = Pipeline([
    ("first transformer", ct),
    ("second transformer", OHE),
    ('standard_scaler', MinMaxScaler()),
    ("logistic regression", estimator)
])

Часть оценки такова:

estimator = MultiOutputClassifier(
    estimator = LogisticRegression(penalty = "l2", C=2)
)

Метка DataFrame имеет форму (1000, 2), и пока все работает хорошо.

Чтобы настроить модель, я теперь пытаюсь добавить SelectKBest, чтобы ограничить функции, используемые для вычислений. К сожалению, добавление этого кода в конвейер:

('feature_selection', SelectKBest(score_func=f_regression, k=9))

возвращает эту ошибку:

ValueError: y should be a 1d array, got an array of shape (20030, 2) instead.

Я понимаю, откуда это взялось, и использование только одной метки (1000, 1) решает проблему, но это означает, что мне нужно будет создать два отдельных конвейера для каждой метки.

Есть ли способ включить выбор функций в этот конвейер, не прибегая к этому?

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
2
0
12
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Поскольку вы хотите (потенциально) использовать разные подмножества функций для каждого вывода, вы должны просто поместить SelectKBest в конвейер с LogisticRegressionвнутриMultiOutputClassifier.

clf = Pipeline([
    ("feature_selection", SelectKBest(score_func=f_regression, k=9)),
    ("logistic regression", LogisticRegression(penalty = "l2", C=2)),
])
estimator = MultiOutputClassifier(clf)

pipeline = Pipeline([
    ("first transformer", ct),
    ("second transformer", OHE),
    ('standard_scaler', MinMaxScaler()),
    ("select_and_model", estimator),
])

Другие вопросы по теме