如果我同时使用简单的编码器和基于目标的编码器，我对如何组装最佳的pipeline感到困惑。我找到了这个例子，它说明了问题在于必须将目标变量与要编码的变量一起传递。

from examples.source_data.loaders import get_mushroom_datafrom sklearn.compose import ColumnTransformerfrom category_encoders import TargetEncoder# 从蘑菇数据集获取数据X, y, _ = get_mushroom_data()# 编码指定的列ct = ColumnTransformer(    [        ('Target encoding', TargetEncoder(), ['bruises', 'odor'])    ], remainder='passthrough')encoded = ct.fit_transform(X=X, y=y)

然而，我不想直接使用fit_transform，而是希望将其添加到我的pipeline中，以便在交叉验证方案中使用它。

所以，以下代码是行不通的：

pipeline_ordinal = Pipeline(steps=[('imputer', SimpleImputer(strategy='constant', fill_value='missing'))    ,('ord encoding', ce.ordinal.OrdinalEncoder())])pipeline_loo = Pipeline(steps=[('imputer', SimpleImputer(strategy='constant', fill_value='missing'))    ,('loo encoding', ce.LeaveOneOutEncoder())])preprocessor = ColumnTransformer(    transformers=[('simple', pipeline_ordinal, ['x1','x2','x3']),                  ('targetbased', pipeline_loo, ['x4','x5','y'])                 ])rf = RandomForestRegressor()pipe = Pipeline(steps=[('preprocessor', preprocessor),('regression', rf)])gs = GridSearchCV(pipe, param_grid=params, cv = cv)gs.fit(X, y)

有没有更好的方法来整合这些代码呢？

编辑：

问题在于将X传递给gs.fit()。目前，上面的代码会报错：ValueError: A given column is not a column of the dataframe

如果我尝试聪明地将’y’也发送到X中，它会告诉我ValueError: cannot reindex from a duplicate axis

回答：

目标变量y会在gs.fit(X, y)中被传递并特别处理。你不需要（也不应该）在ColumnTransformer中将其指定为列。

（尽管pipeline_ordinal和pipeline_loo都可以访问y，但前者实际上不会使用它。）