我有一个imblearn（而非sklearn）的管道，包含以下步骤：
- 列选择器
- 预处理管道（针对不同列使用ColumnTransformer、OneHotEncoders和CountVectorizers）
- imblearn的SMOTE
- XGBClassifier
我有一个表格数据集，正在尝试解释我的预测。我设法制作了一些特征重要性图，但无法使eli5或lime工作。
Lime要求我将数据转换到最后一个变换之前的状态（因为管道中的变换器如自定义向量化器会创建新列）。原则上，我可以这样切片我的管道：pipeline[:-1].predict(instance)。然而，我得到了以下错误：{AttributeError}'SMOTE' object has no attribute 'predict'。
我也尝试了eli5解释器，因为它据说可以与Sklearn管道一起工作。然而，在运行eli5.sklearn.explain_prediction.explain_prediction_sklearn_not_supported(pipeline, instance_to_explain)后，我收到了分类器不受支持的消息。
欢迎任何关于如何继续进行的建议。
回答：
在预测期间，Imblearn的采样器实际上是无操作（即身份）变换器。因此，在管道拟合后删除它们应该是安全的。
尝试以下工作流程：
- 构建一个Imblearn管道，并进行拟合。
- 将拟合后的Imblearn管道的步骤提取到一个新的Scikit-Learn管道中。
- 删除SMOTE步骤。
- 使用标准的Scikit-Learn管道解释工具来解释你的预测。
