natural_language_featurizer#

可以使用 featuretools 的 nlp_primitives 自动对文本列进行特征提取的 Transformer。

模块内容#

类摘要#

NaturalLanguageFeaturizer

可以使用 featuretools 的 nlp_primitives 自动对文本列进行特征提取的 Transformer。

目录#

class evalml.pipelines.components.transformers.preprocessing.natural_language_featurizer.NaturalLanguageFeaturizer(random_seed=0, **kwargs)[源代码]#

可以使用 featuretools 的 nlp_primitives 自动对文本列进行特征提取的 Transformer。

由于模型无法处理非数值数据，任何文本都必须分解为提供有用信息的特征。该组件将每个文本列拆分为几个信息丰富的特征：多样性得分（Diversity Score）、每词平均字符数（Mean Characters per Word）、极性得分（Polarity Score）、LSA（隐性语义分析）、字符数（Number of Characters）和词数（Number of Words）。对此组件调用 transform 方法将用这些数值列替换给定数据集中的任何文本列。

参数: random_seed (int) – 随机数生成器的种子。默认为 0。

属性

hyperparameter_ranges	{}
modifies_features	True
modifies_target	False
名称	自然语言特征提取器
training_only	False

方法

`clone`	构造一个具有相同参数和随机状态的新组件。
`default_parameters`	返回此组件的默认参数。
`describe`	描述一个组件及其参数。
`fit`	将组件拟合到数据。
`fit_transform`	在 X 上拟合并转换 X。
`load`	从文件路径加载组件。
`needs_fitting`	返回一个布尔值，确定在调用 predict、predict_proba、transform 或 feature_importances 之前是否需要拟合组件。
`parameters`	返回用于初始化组件的参数。
`save`	将组件保存到文件路径。
`transform`	通过使用现有文本列创建新特征来转换数据 X。
`update_parameters`	更新组件的参数字典。

clone(self)#

构造一个具有相同参数和随机状态的新组件。

返回: 具有相同参数和随机状态的此组件的新实例。

default_parameters(cls)#

返回此组件的默认参数。

我们的约定是 Component.default_parameters == Component().parameters。

返回: 此组件的默认参数。
返回类型: dict

describe(self, print_name=False, return_dict=False)#

描述一个组件及其参数。

参数

print_name (bool, optional) – 是否打印组件名称
return_dict (bool, optional) – 是否以字典格式 {"name": name, "parameters": parameters} 返回描述

返回

如果 return_dict 为 True 则返回字典，否则返回 None。

返回类型

None 或 dict

fit(self, X, y=None)[源代码]#

将组件拟合到数据。

参数

X (pd.DataFrame 或 np.ndarray) – 形状为 [n_samples, n_features] 的输入训练数据
y (pd.Series) – 长度为 [n_samples] 的目标训练数据

返回

self

fit_transform(self, X, y=None)#

在 X 上拟合并转换 X。

参数

X (pd.DataFrame) – 用于拟合和转换的数据。
y (pd.Series) – 目标数据。

返回

转换后的 X。

返回类型

pd.DataFrame

抛出

MethodPropertyNotFoundError – 如果 transformer 没有 transform 方法或实现 transform 的 component_obj。

static load(file_path)#

从文件路径加载组件。

参数: file_path (str) – 加载文件的位置。
返回: ComponentBase 对象

needs_fitting(self)#

返回一个布尔值，确定在调用 predict、predict_proba、transform 或 feature_importances 之前是否需要拟合组件。

对于不需要拟合或其 fit 方法不执行任何操作的组件，此值可以被覆盖为 False。

返回: True。

property parameters(self)#: 返回用于初始化组件的参数。

save(self, file_path, pickle_protocol=cloudpickle.DEFAULT_PROTOCOL)#

将组件保存到文件路径。

参数

file_path (str) – 保存文件的位置。
pickle_protocol (int) – pickle 数据流格式。

transform(self, X, y=None)[源代码]#

通过使用现有文本列创建新特征来转换数据 X。

参数

X (pd.DataFrame) – 要转换的数据。
y (pd.Series, optional) – 忽略。

返回

转换后的 X

返回类型

pd.DataFrame

update_parameters(self, update_dict, reset_fit=True)#

更新组件的参数字典。

参数

update_dict (dict) – 要更新的参数字典。
reset_fit (bool, optional) – 如果为 True，将设置 _is_fitted 为 False。