我正在构建一个sklearn中的转换器，用于删除相关系数低于指定阈值的特征。

它在训练集上运行良好。然而，当我转换测试集时，测试集上的所有特征都消失了。我猜测转换器是在计算测试数据与训练标签之间的相关系数，由于这些相关系数都很低，所以它删除了所有特征。我该如何让它只在训练集上计算相关系数，并在转换时从测试集中删除这些特征呢？

class CorrelatedFeatures(BaseEstimator, TransformerMixin): #选择与响应标签相关系数高于阈值的特征    def __init__(self, response, threshold=0.1):        self.threshold = threshold        self.response = response    def fit(self, X, y=None):        return self    def transform(self, X, y=None):        df = pd.concat([X, self.response], axis=1)        cols = df.columns[abs(df.corr()[df.columns[-1]]) > self.threshold].drop(self.response.columns)        return X[cols]

回答：

您可以在fit()方法中计算并存储该相关系数和要删除的列，然后在transform()方法中仅转换这些列。

类似这样的代码：

........def fit(self, X, y=None):    df = pd.concat([X, self.response], axis=1)    self.cols = df.columns[abs(df.corr()[df.columns[-1]]) > self.threshold].drop(self.response.columns)    return selfdef transform(self, X, y=None):    return X[self.cols]