Python sklearn管道中估计量的变换结果

我有一个sklearn管道，它由一个定制的转换器组成，后跟XGBClassifier。我想在转换器中添加的最后一步是另一个自定义转换器，用于转换XGBClassifier的结果

最后一个自定义转换器将预测的概率按等级排列（5个百分点）

---

问题在于sklearn管道要求所有步骤（但最后一步）都有一个fit and transform方法。我可以用另一种方法来解决这个问题，而不是扩展XGBclassifier并向其添加转换方法吗？

从实现的源代码来看，用于拟合数据的估计器位于步骤的最后位置，管道的

\u final\u estimator

属性调用管道步骤的最后位置

@property
def _final_estimator(self):
    estimator = self.steps[-1][1]
    return 'passthrough' if estimator is None else estimator

其中，

步骤

可能类似于

steps = [('scaler', StandardScaler(copy=True, with_mean=True, with_std=True)),
 ('svc',
  SVC(C=1.0, break_ties=False, cache_size=200, class_weight=None, coef0=0.0,
      decision_function_shape='ovr', degree=3, gamma='scale', kernel='rbf',
      max_iter=-1, probability=False, random_state=None, shrinking=True,
      tol=0.001, verbose=False))]

在一个接一个地拟合所有变换之后，只需调用

\u final\u estimator

属性，即可获得要拟合到模型的估计器，有关详细信息，请参见第行

因此，考虑到

步骤

，我可以从它的最后位置检索一个

SVC

类

final_estimator = steps[-1][1]
final_estimator
>>> SVC(C=1.0, ..., verbose=False)

并将其与训练数据相匹配

final_estimator.fit(Xt, y)

---

其中

Xt

是转换后的训练数据（在拟合估计器之前），而

y

是训练目标。

从实现的源代码来看，用于拟合数据的估计器位于步骤的最后一个位置，管道的

\u final\u估计器

属性调用管道步骤的最后位置

@property
def _final_estimator(self):
    estimator = self.steps[-1][1]
    return 'passthrough' if estimator is None else estimator

其中，

步骤

可能类似于

steps = [('scaler', StandardScaler(copy=True, with_mean=True, with_std=True)),
 ('svc',
  SVC(C=1.0, break_ties=False, cache_size=200, class_weight=None, coef0=0.0,
      decision_function_shape='ovr', degree=3, gamma='scale', kernel='rbf',
      max_iter=-1, probability=False, random_state=None, shrinking=True,
      tol=0.001, verbose=False))]

在一个接一个地拟合所有变换之后，只需调用

\u final\u estimator

属性，即可获得要拟合到模型的估计器，有关详细信息，请参见第行

因此，考虑到

步骤

，我可以从它的最后位置检索一个

SVC

类

final_estimator = steps[-1][1]
final_estimator
>>> SVC(C=1.0, ..., verbose=False)

并将其与训练数据相匹配

final_estimator.fit(Xt, y)

其中，

Xt

是转换后的训练数据（在拟合估计器之前），而

y

是训练目标