transformer#

一个可能需要或不需要拟合来转换数据的组件。这些组件在评估器之前使用。

模块内容#

类摘要#

Transformer

一个可能需要或不需要拟合来转换数据的组件。这些组件在评估器之前使用。

目录#

class evalml.pipelines.components.transformers.transformer.Transformer(parameters=None, component_obj=None, random_seed=0, **kwargs)[source]#

一个可能需要或不需要拟合来转换数据的组件。这些组件在评估器之前使用。

要实现新的 Transformer，请定义您自己的类，该类是 Transformer 的子类，包括一个名称以及在自动机器学习搜索（超参数）期间要调优的任何参数的可接受范围列表。定义一个 __init__ 方法来设置任何必要的状态和对象。确保您的 __init__ 仅使用标准关键字参数，并使用参数字典调用 super().__init__()。如果合适，您还可以覆盖此类中的 fit、transform、fit_transform 和其他方法。

要查看一些示例，请查阅任何 Transformer 组件的定义。

参数

parameters (dict) – 组件的参数字典。默认为 None。
component_obj (obj) – 在组件实现中有用的第三方对象。默认为 None。
random_seed (int) – 随机数生成器的种子。默认为 0。

属性

modifies_features	True
modifies_target	False
training_only	False

方法

`clone`	使用相同的参数和随机状态构造新组件。
`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`	对 X 进行拟合并转换 X。
`load`	从文件路径加载组件。
`name`	返回此组件的字符串名称。
`needs_fitting`	返回一个布尔值，确定组件在调用 predict、predict_proba、transform 或 feature_importances 之前是否需要拟合。
`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`	转换数据 X。
`update_parameters`	更新组件的参数字典。

clone(self)#

使用相同的参数和随机状态构造新组件。

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, 可选) – 是否打印组件名称
return_dict (bool, 可选) – 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)#

将组件拟合到数据。

参数

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

返回

self

引发

MethodPropertyNotFoundError – 如果组件没有 fit 方法或 component_obj 没有实现 fit 方法。

fit_transform(self, X, y=None)[source]#

对 X 进行拟合并转换 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

引发

MethodPropertyNotFoundError – 如果 transformer 没有 transform 方法或 component_obj 没有实现 transform 方法。

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

property name(cls)#: 返回此组件的字符串名称。

needs_fitting(self)#

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

对于不需要拟合或其 fit 方法不做任何事情的组件，可以将其覆盖为 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。

abstract transform(self, X, y=None)[source]#

转换数据 X。

参数

X (pd.DataFrame) – 要转换的数据。
y (pd.Series, 可选) – 目标数据。

返回

转换后的 X

返回类型

pd.DataFrame

引发

MethodPropertyNotFoundError – 如果 transformer 没有 transform 方法或 component_obj 没有实现 transform 方法。

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, 可选) – 如果为 True，将设置 _is_fitted 为 False。