OneToOneFeatureMixin#

class sklearn.base.OneToOneFeatureMixin[源码]#

为简单的转换器提供 get_feature_names_out 方法。

此混合器假设输入特征和输出特征之间存在一对一对应关系，例如 StandardScaler。

示例

>>> import numpy as np
>>> from sklearn.base import OneToOneFeatureMixin, BaseEstimator
>>> class MyEstimator(OneToOneFeatureMixin, BaseEstimator):
...     def fit(self, X, y=None):
...         self.n_features_in_ = X.shape[1]
...         return self
>>> X = np.array([[1, 2], [3, 4]])
>>> MyEstimator().fit(X).get_feature_names_out()
array(['x0', 'x1'], dtype=object)

get_feature_names_out(input_features=None)[源码]#

获取用于转换的输出特征名称。

参数:

input_features类似数组的字符串或 None，默认值为 None

输入特征。

如果 input_features 为 None，则 feature_names_in_ 将用作输入特征名称。如果未定义 feature_names_in_，则生成以下输入特征名称：["x0", "x1", ..., "x(n_features_in_ - 1)"]。
如果 input_features 是类似数组的，则如果定义了 feature_names_in_，input_features 必须与其匹配。

返回:

feature_names_outstr 对象组成的 ndarray: 与输入特征相同。

OneToOneFeatureMixin#

本页