TransformerMixin#

class sklearn.base.TransformerMixin[Quelle]#

Mixin-Klasse für alle Transformer in scikit-learn.

Dieser Mixin definiert die folgende Funktionalität

eine fit_transform-Methode, die an fit und transform delegiert;
eine set_output-Methode, um X als spezifischen Containertyp auszugeben.

Wenn get_feature_names_out definiert ist, wickelt BaseEstimator automatisch transform und fit_transform ein, um die set_output-API zu befolgen. Details finden Sie in der Entwickler-API für set_output.

OneToOneFeatureMixin und ClassNamePrefixFeaturesOutMixin sind hilfreiche Mixins zur Definition von get_feature_names_out.

Beispiele

>>> import numpy as np
>>> from sklearn.base import BaseEstimator, TransformerMixin
>>> class MyTransformer(TransformerMixin, BaseEstimator):
...     def __init__(self, *, param=1):
...         self.param = param
...     def fit(self, X, y=None):
...         return self
...     def transform(self, X):
...         return np.full(shape=len(X), fill_value=self.param)
>>> transformer = MyTransformer()
>>> X = [[1, 2], [2, 3], [3, 4]]
>>> transformer.fit_transform(X)
array([1, 1, 1])

fit_transform(X, y=None, **fit_params)[Quelle]#

An Daten anpassen, dann transformieren.

Passt den Transformer an X und y mit optionalen Parametern fit_params an und gibt eine transformierte Version von X zurück.

Parameter:

Xarray-like der Form (n_samples, n_features): Eingabestichproben.
yarray-like der Form (n_samples,) oder (n_samples, n_outputs), Standardwert=None: Zielwerte (None für unüberwachte Transformationen).
**fit_paramsdict: Zusätzliche Fit-Parameter. Nur übergeben, wenn der Estimator zusätzliche Parameter in seiner fit-Methode akzeptiert.

Gibt zurück: