我使用Scikit learn的pipeline对象是因为我有一系列任务需要执行（上采样、特征选择、分类）。我的上采样方法是定制的，这意味着我必须为pipeline实现一个自定义转换器。

一个转换器必须有transform和fit方法。当然，我只想对训练数据进行上采样，而不对测试数据进行上采样。这是否意味着我只需要实现fit方法，而不需要实现transform方法（对传入fit方法的数据集进行上采样）？据我所知，transform方法会同时应用于训练集和测试集…

回答：

scikit-learn的转换器不能改变样本数量，这是API不支持的 – 请参见http://scikit-learn.org/stable/modules/generated/sklearn.base.TransformerMixin.html#sklearn.base.TransformerMixin.fit_transform – 注意X、y和X_new的维度。另外，请注意它们只返回X，不返回y – 这意味着如果您改变了X的维度，它将不再与y的维度匹配。

一种方法是将其运行在pipeline之外 – 为训练生成新样本并将其放入pipeline中，而不为测试生成新样本。但这在交叉验证时将不起作用。

为了使其在交叉验证和模型选择中工作，您需要一个支持改变n_samples的转换器的自定义Pipeline类。例如，可以在imbalanced-learn包中找到一个实现：参见这里。检查这个包 – 如果您需要上采样，那么您的上采样方法可能已经在imbalanced-learn中实现了。