Python IMBRearn管道和pipeline之间的区别

我想使用

sklearn.pipeline

而不是使用

imblearn.pipeline

来合并'RandomUnderSampler（）。我的原始数据需要缺失值插补和缩放。这里我有乳腺癌数据作为一个玩具例子。但是，它给了我以下错误消息。我感谢你的建议。谢谢你的时间

from numpy.random import seed
seed(12)
from sklearn.datasets import load_breast_cancer
import time
from sklearn.metrics import make_scorer
from imblearn.metrics import geometric_mean_score
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_validate
from sklearn.pipeline import Pipeline
from sklearn.impute import SimpleImputer
from sklearn.preprocessing import MaxAbsScaler
from imblearn.under_sampling import RandomUnderSampler
gmean = make_scorer(geometric_mean_score, greater_is_better=True)

X, y = load_breast_cancer(return_X_y=True)
start_time1 = time.time()
scoring = {'G-mean': gmean}
LR_pipe =  Pipeline([("impute", SimpleImputer(strategy='constant',fill_value= 0)),("scale", MaxAbsScaler()),("rus", RandomUnderSampler()),("LR", LogisticRegression(solver='lbfgs', random_state=0, class_weight='balanced', max_iter=100000))])
LRscores = cross_validate(LR_pipe,X, y, cv=5,scoring=scoring)
end_time1 = time.time()
print ("Computational time in seconds = " +str(end_time1 - start_time1) )
sorted(LRscores.keys())
LR_Gmean = LRscores['test_G-mean'].mean()

print("G-mean: %f" % (LR_Gmean))

错误消息：

TypeError: All intermediate steps should be transformers and implement fit and transform or be the string 'passthrough' 'RandomUnderSampler()' (type <class 'imblearn.under_sampling._prototype_selection._random_under_sampler.RandomUnderSampler'>) doesn't

TypeError：所有中间步骤都应该是transformers，并实现fit和transform，或者是字符串“passthrough”“RandomUnderSampler（）”（type）不是

我们应该从

imblearn.pipeline

导入

make_pipeline

，而不是从

sklearn.pipeline

：从sklearn导入

make_pipeline

需要转换器来实现

fit

和

transform

方法<代码>sklearn.pipeline导入管道与

IMBRearn.pipeline

导入管道冲突

这正是为什么

imblearn

有自己的

管道版本的原因。你为什么不想使用它？@BenReiniger，因为我无法在
imberearn
管道中包含
SimpleImputer
和
maxabscaler
。我不知道我错过了什么！不应该有问题，包括那些；我建议发布一个新的问题。