sklearn Pipeline和DataFrameMapper有什么区别？

Question

Sklearn Pipeline:http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html

DataFrameMapper:https://github.com/paulgb/sklearn-pandas

他们之间有什么区别？

在我看来,sklearn管道具有更多功能,但DataFrameMapper对我来说更加干净.

Answer 1

基本上,DataFrameMapper(和整个sklearn-pandas包)旨在将pandas DataFrame对象的好处与sklearn机器学习包的强大功能结合起来.

An sklearn.Pipeline描述了对矩阵格式执行的转换的有序列表(由numpy和scipy包提供).这些转换将在序列中一个接一个地在整个矩阵上执行,并将从头到尾编码整个训练和预测过程.

管道转换(又称步骤)元组的第一部分是它的名称,它对该过程没有实际影响,它只是用于可读性.

DataFrameMapper另一方面,A 对由pandas包创建的DataFrame对象进行操作,并且可以将转换应用于数据帧的某些部分(不一定在整个数据集上).DataFrame类似于numpy和scipy矩阵,跟踪行和列标签和元数据有一个明显的区别.DataFrames操作将确保可以使用逻辑标识而不是索引来访问,操作和读取行和列.

DataFrameMapper转换元组的第一部分描述了应该通过转换运行哪些列.

三大差异是:

1. A DataFrameMapper是一个更灵活的工具,它允许您在不同的列上执行不同的转换,更倾向于转换复杂的数据结构,同时sklearn.Pipeline更倾向于在同类数据集上执行机器学习相关的转换.
2. A DataFrameMapper将允许您保留已分配给pandas DataFrame对象的注释和标签,同时sklearn.Pipeline将任何结果"减少"为numpy/scipy数组/矩阵.
3. sklearn.Pipeline 是一个更加稳定和众所周知的包装的一部分,因此如果稳定性和维护等考虑因素很重要,则可能是"更安全"的选择.