Python Sklearn管道可添加新功能

假设我有一个数据集，其中包含一系列数字特征。我不确定在模型中使用数字特征的最佳方式是什么，所以我决定对它们应用不同的转换，并将这些结果添加到数据集中。这些转换可以是最小最大缩放、标准缩放、LogTransform等。。。不管你能想到什么

因此，基本上，在原始数据中，我可能只有特征值（单位：美元），在所有转换之后，我还希望在数据集中有转换后的特征：

"Value_in_Dollars_MinMax", "Value_in_Dollars_SS", "Value_in_Dollars_Log"

除了原始列之外

我知道如何手动执行此操作，但如何在Sklearn管道中执行此操作？这可能吗？

使用FeatureUnion和ColumnTransformer，例如

union=特征union[MinMax，MinMaxScaler， SS，StandardScaler， 日志，FunctionTransformernp.log1p] proc=ColumnTransformer['trylots'，union，['Value\u In_$”]， 余数=‘通过’ 使用FeatureUnion和Transformer，例如

union=特征union[MinMax，MinMaxScaler， SS，StandardScaler， 日志，FunctionTransformernp.log1p] proc=ColumnTransformer['trylots'，union，['Value\u In_$”]， 余数=‘通过’

---

您可以尝试使用“命名的步骤”的输出，并以您喜欢的方式将转换后的值添加到数据集。您可以尝试使用“命名的步骤”的输出，并以您喜欢的方式将转换后的值添加到数据集。我很好奇这一切将如何包装到一个管道中。这行得通吗？还有，有没有一种方法可以创建自定义转换，从单个管道中创建新功能？类似于管道['make_bin'，lambda x:0，如果x<5，则为1]。对于您的第一个问题，可以使用proc作为管道中的一个步骤。您的第二个问题似乎应该是一个新问题，只是文档中很容易回答：看看FunctionTransformer，可能还有这里的想法。谢谢！我会查一查。我想我会通过更多的搜索找到它，但我认为在这里放一块面包屑可能对社区也有帮助。很好，我很好奇这一切是如何被包装在一条管道中的。这行得通吗？还有，有没有一种方法可以创建自定义转换，从单个管道中创建新功能？类似于管道['make_bin'，lambda x:0，如果x<5，则为1]。对于您的第一个问题，可以使用proc作为管道中的一个步骤。您的第二个问题似乎应该是一个新问题，只是文档中很容易回答：看看FunctionTransformer，可能还有这里的想法。谢谢！我会查一查。我想我会通过更多的搜索找到它，但我认为在这里放一块面包屑可能对社区也有用。