ClassNamePrefixFeaturesOutMixin#

class sklearn.base.ClassNamePrefixFeaturesOutMixin[Quelle]#

Mixin-Klasse für Transformer, die ihre Namen durch Präfixierung generieren.

Diese Mixin ist nützlich, wenn der Transformer seine eigenen Feature-Namen generieren muss, wie z. B. PCA. Wenn PCA beispielsweise 3 Features ausgibt, dann sind die generierten Feature-Namen: ["pca0", "pca1", "pca2"].

Diese Mixin geht davon aus, dass ein Attribut _n_features_out definiert ist, wenn der Transformer trainiert wird. _n_features_out ist die Anzahl der Ausgabefeatures, die der Transformer in transform oder fit_transform zurückgibt.

Beispiele

>>> import numpy as np
>>> from sklearn.base import ClassNamePrefixFeaturesOutMixin, BaseEstimator
>>> class MyEstimator(ClassNamePrefixFeaturesOutMixin, BaseEstimator):
...     def fit(self, X, y=None):
...         self._n_features_out = X.shape[1]
...         return self
>>> X = np.array([[1, 2], [3, 4]])
>>> MyEstimator().fit(X).get_feature_names_out()
array(['myestimator0', 'myestimator1'], dtype=object)

get_feature_names_out(input_features=None)[Quelle]#

Holt die Ausgabemerkmale für die Transformation.

Die Feature-Namen werden mit dem kleingeschriebenen Klassennamen präfixiert. Wenn der Transformer z.B. 3 Features ausgibt, dann sind die Feature-Namen: ["klassenname0", "klassenname1", "klassenname2"].

Parameter:

input_featuresarray-like von str oder None, default=None: Wird nur verwendet, um die Feature-Namen mit den in fit gesehenen Namen zu validieren.

Gibt zurück:

feature_names_outndarray von str-Objekten: Transformierte Merkmalnamen.

ClassNamePrefixFeaturesOutMixin#

Diese Seite