我刚刚发现了scikit-learn的Pipeline功能，我发现它在测试不同的预处理步骤组合之前非常有用，从而训练我的模型。

管道是一系列实现了fit和transform方法的对象。现在，如果我想添加一个新的预处理步骤，我过去常常编写一个从sklearn.base.estimator继承的类。然而，我在想是否有更简单的方法。我真的需要将我想应用的每个函数都包装在一个估计器类中吗？

示例：

class Categorizer(sklearn.base.BaseEstimator):    """    将给定的列转换为pandas数据类型'category'。    """    def __init__(self, columns):        self.columns = columns    def fit(self, X, y):        return self    def transform(self, X):        for column in self.columns:            X[column] = X[column].astype("category")        return X

回答：

对于一个通用的解决方案（适用于许多其他用例，不仅是变换器，还有简单的模型等），如果你有无状态的函数（不实现fit），你可以编写自己的装饰器，例如通过这样做：

class TransformerWrapper(sklearn.base.BaseEstimator):    def __init__(self, func):        self._func = func    def fit(self, *args, **kwargs):        return self    def transform(self, X, *args, **kwargs):        return self._func(X, *args, **kwargs)

现在你可以这样做

@TransformerWrapperdef foo(x):  return x*2

这相当于这样做

def foo(x):  return x*2foo = TransformerWrapper(foo)

这正是sklearn.preprocessing.FunctionTransformer在幕后所做的工作。

个人而言，我觉得使用装饰器更简单，因为你可以很好地将你的预处理器与代码的其他部分分离开来，但选择哪条路径取决于你自己。

事实上，你应该可以使用sklearn的函数进行装饰，像这样

from sklearn.preprocessing import FunctionTransformer@FunctionTransformerdef foo(x):  return x*2

也是可以的。