FeatureUnion vs columnTransformer？

Question

sklearn中的FeatureUnion（）和ColumnTransformer（）有什么区别？

如果我想构建包含混合数据类型（分类，数字，非结构化文本）的功能的监督模型，而我需要结合使用单独的管道，该使用哪个模型？

来源：https : //scikit-learn.org/stable/modules/generation/sklearn.pipeline.FeatureUnion.html

来源：https : //scikit-learn.org/stable/modules/generated/sklearn.compose.ColumnTransformer.html

Answer 1

根据sklearn文档：

FeatureUnion：连接多个转换器对象的结果。此估算器将变形器对象列表与输入数据并行应用，然后合并结果。将多个特征提取机制组合到单个转换器中很有用。

ColumnTransformer：将变换器应用于数组或熊猫DataFrame的列。该估计器允许分别转换输入的不同列或列子集，并且将每个转换器生成的特征连接起来以形成单个特征空间。这对于异构数据或列状数据很有用，可以将多种特征提取机制或变换组合到单个转换器中。

因此，FeatureUnion将不同的转换器应用于整个输入数据，然后通过将它们合并来组合结果。

另一方面，ColumnTransformer将不同的转换器应用于整个输入数据的不同子集，并再次将结果串联起来。

对于您建议的情况，ColumnTransformer应该是第一步。然后，一旦所有列都转换为数值，就可以通过FeatureUnion进一步转换它们，例如，将PCA和SelectKBest组合在一起

最后，您当然可以将FeatureUnion用作ColumnTransformer，但是您必须在每个分支中都包含一个列/类型选择器，而不是仅将感兴趣的列馈入管道中的下一个转换器，如下所述：https： //ramhiser.com/post/2018-04-16-building-scikit-learn-pipeline-with-pandas-dataframe/

但是，ColumnTransformer正是通过更简单的方式做到了这一点。