Scikit-Learn | 自定义转换器（transformer）

一、什么是transformer

在Scikit-Learn的设计原则里，所有对象的接口一致且简单。

• 估计器（estimator）：在机器学习中，任何基于数据集，可以对一些参数都被称为估计器（比如RandomForest()、LinearRegression()）。
• 转换器（transformer）：可以转换数据集中数值的估计器，如处理缺失值的SimpleImputer()，可参考【处理残缺值（Missing value）python-sklearn实现| 三种常用方法 】。
  它的API调用过程：用过transform()方法进行转换，可参考【fit()、transform()、fit_transform() 三者联系与区别】，被转换的数据集作为参数，返回的是经过转换的数据集。

二、构造转换器

• 目的：自定义清理操作，或属性组合等。

因为Scikit-Learn是Duck Typing,可参考【编程中的Duck Typing】 (而不是 inheritance).因此我们需要做的就是创建一个类（class）并执行三个方法（method）：fit()、transform() 、fit_transform()。fit()返回self。
通过添加TransformMixin作为基类，可以自动得到fit_transform()方法。通过添加BaseEstimator作为基类（且构造器中避免使用*args和**kargs），就能得到get_params()和set_params()，这两个方法可以方便地进行超参数自动微调。

以下是一个简单的tranformer 的构造：

from sklearn.base import BaseEstimator, TransformerMixin

class DataFrameSelector(BaseEstimator, TransformerMixin)
	def __init__(self, attribute_names):  # no *args and **kargs
		self.attributes_names = attribute_names
	def fit(self, X, y=None):
		return self  # 不用做其他事情
	def transform(self, X):
		return X[self.attribute_names].values # 返回的是DataFrame形式里指定的列的值

参考资料：
Hands-on Machine Learning with Scikit-Learn and TensorFlow