从 sklearn.pipeline.Pipeline 获取转换器结果

我正在使用一个sklearn.pipeline.Pipeline我的聚类对象。

pipe = sklearn.pipeline.Pipeline([('transformer1': transformer1),
                                  ('transformer2': transformer2),
                                  ('clusterer': clusterer)])

然后我使用轮廓分数来评估结果。

sil = preprocessing.silhouette_score(X, y)

我想知道如何获得X或来自管道的转换后的数据，因为它只返回clusterer.fit_predict(X).

我知道我可以通过将管道拆分为

pipe = sklearn.pipeline.Pipeline([('transformer1': transformer1),
                                  ('transformer2': transformer2)])

X = pipe.fit_transform(data)
res = clusterer.fit_predict(X)
sil = preprocessing.silhouette_score(X, res)

但我想在一条管道中完成这一切。

如果您想要在管道的中间步骤上拟合和转换数据，那么重用相同的管道是没有意义的，最好使用您指定的新管道，因为调用fit()会忘记所有以前学到的数据。

但是如果你只想transform()并查看已安装管道上的中间数据，然后可以通过访问named_steps http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html范围。

new_pipe = sklearn.pipeline.Pipeline([('transformer1': 
                                           old_pipe.named_steps['transformer1']),
                                      ('transformer2': 
                                          old_pipe.named_steps['transformer2'])])

或者直接使用内部变量steps like:

transformer_steps = old_pipe.steps
new_pipe = sklearn.pipeline.Pipeline([('transformer1': transformer_steps[0]),
                                  ('transformer2': transformer_steps[1])])

然后调用new_pipe.transform().

Update:如果您有0.18或更高版本，那么您可以将管道内的非必需估计器设置为None在同一管道中获得结果。其讨论于这个问题在 scikit-learn github https://github.com/scikit-learn/scikit-learn/issues/7536在您的情况下上述用法：

pipe.set_params(clusterer=None)
pipe.transform(df)

但请注意，也许可以存放已安装的clusterer在其他地方这样做，否则当您想要使用该功能时，您需要再次安装整个管道。