Python 如何使用sklearn'；s使用自定义数据转换器转换目标记录器？

我想使用

sklearn.compose.TransformedTargetRegressor

，如中所示。然而，这个转换器是定制的，我遇到了一个错误

在这个最小的例子中，目标值应该乘以10，然后在预测时再除以10。（在我的实际应用程序中，目标值必须从非数字格式转换为数字格式。）

将numpy导入为np
导入sklearn
从sklearn.compose导入转换的目标浏览器
从sklearn.linear\u模型导入线性回归
类MyTransform（sklearn.base.TransformerMixin）：
def配合（自、自、自、自）：
回归自我
def变换（自，X）：
返回np.数组（X）*10
def逆_变换（自，X）：
返回np.数组（X）/10
def MyLinearRegression（）：
返回转换的目标聚集器(
回归器=线性回归（），
transformer=MyTransform（）
)
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
模型=我的线性回归（）
model.fit（X=[1]、[2]、[3]、y=[1,2,3]）#引发类型错误

这引起：

回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
文件“C:\Program Files\JetBrains\PyCharm Community Edition 2019.3.3\plugins\python ce\helpers\pydev\\u pydev_bundle\pydev_umd.py”，第197行，在运行文件中
pydev_imports.execfile（文件名、全局变量、本地变量）#执行脚本
文件“C:\Program Files\JetBrains\PyCharm Community Edition 2019.3.3\plugins\python ce\helpers\pydev\\u pydev\u imps\\u pydev\u execfile.py”，第18行，在execfile中
exec（编译（内容+“\n”，文件，'exec'），全局，loc）
文件“C:/Users/me/.PyCharmCE2019.3/config/scratches/scratch.py”，第26行，在
model.fit（X=[1]、[2]、[3]、y=[1,2,3]）#引发类型错误
文件“C:\Users\me\.virtualenvs\project--3333Ox\uUlib\site packages\sklearn\compose\\u target.py”，第185行，以合适的格式
自配变压器（y\U 2d）
文件“C:\Users\me\.virtualenvs\project--3333Ox\uUlib\site packages\sklearn\compose\\u target.py”，第127行，在fit\u transformer中
self.transformer=克隆（self.transformer）
文件“C:\Users\me\.virtualenvs\project--3333Ox\ulib\site packages\sklearn\base.py”，第64行，在clone中
raise TypeError（“无法克隆对象“%s”（类型%s）：”
TypeError:无法克隆对象“”（类型）：它似乎不是scikit学习估计器，因为它未实现“get_params”方法。

您只需要继承sklearn.base.BaseEstimator以及transformermixin:）。类型错误显示：

它似乎不是一个scikit学习估计器

因此，您只需要将其设置为1:D。下面的代码应该可以工作

import numpy as np
import sklearn
from sklearn.compose import TransformedTargetRegressor
from sklearn.linear_model import LinearRegression

class MyTransform(sklearn.base.BaseEstimator, sklearn.base.TransformerMixin):
    def fit(self, *_, **__):
        return self

    def transform(self, X):
        return np.array(X)*10

    def inverse_transform(self, X):
        return np.array(X)/10


def MyLinearRegression():
    return TransformedTargetRegressor(
        regressor=LinearRegression(),
        transformer=MyTransform()
    )



model = MyLinearRegression()
model.fit(X=[[1], [2], [3]], y=[1, 2, 3])