Python 如何覆盖Sklearn'；将在管道函数中使用的TSNE？

我正在尝试为TSNE创建一个自定义函数，以便可以在Sklearn make_管道函数中使用它

一般来说，对于PCA，我将执行以下操作：

make_pipeline(PCA(),
              LinearRegression())

然而，当我尝试这一点时：

make_pipeline(TSNE(),
              LinearRegression())

我会得到一个错误，说它没有transform（）方法，并且不能使用fit_transform（）方法。因此，现在我尝试使用以下方法创建一个自定义transform（）方法：

class TSNE_wrapper(TSNE):
  def transform(X):
    return TSNE().fit_transform(X)

但我得到了一个错误：

transform() takes 1 positional argument but 2 were given

---

关于修复，你是对的，但是你不应该这样做

主成分分析 PCA通过找到使方差最大化的轴来创建嵌入： 给定训练集，您可以找到数据变化很大的方向（轴（x、y、z等）的线性组合）。拟合PCA的结果是k方向（轴的k线性组合）（它是sklearn中的.components属性）。然后，可以通过将线性组合应用于测试点来转换测试数据

TSNE 另一方面，TSNE创建低维嵌入，尝试尊重（在某个级别上）真实维度中点之间的距离。TSNE不考虑点在高维空间中的位置，只考虑点与其相邻点之间的距离。并尽量在低亮度空间中尊重这些关系。
这就是Sklearn没有该类的转换函数的原因，您不能使用TSNE转换数据：TSNE转换函数需要首先适应数据

• 如果您想了解更多信息，请查看这篇非常好的文章：

回到你的问题上来 如果将管道用于训练/测试拆分，则TSNE对象将在测试时使用测试数据重新训练！并且没有理由认为嵌入看起来与使用训练数据的嵌入相同（同样，因为嵌入取决于训练期间给出的点）。您的ML模型的性能应该很差

---

如果你真的想使用TSNE，然后使用机器学习，你必须适应转换整个数据集的训练和测试：但请记住，你的机器学习功能将是无用的，因为你泄漏了测试数据

我添加了另一个名为fit（）的方法，看起来它现在正在工作。我的badI在@Mike描述的每个方法中都添加了“self”，因此我最终得到了：

类TSNE_包装器（TSNE）：def-transform（self，X）：return-TSNE（）.fit（X）def-fit（self）：return-TSNE（）.fit（）