scikit-learn - sklearn Pipeline 和 DataFrameMapper 有什么区别？

Question

Sklearn 管道：http ://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html

DataFrameMapper：https ://github.com/paulgb/sklearn-pandas

他们之间有什么区别？

在我看来，sklearn 管道具有更多功能，但 DataFrameMapper 对我来说更干净。

Answer 1

编辑：请参阅有关可能更好的方法的评论讨论ColumnTransformer。可以在此处找到可能感兴趣的比较表。

---

基本上，DataFrameMapper（以及整个 sklearn-pandas 包）旨在将 pandasDataFrame对象的优点与 sklearn 机器学习包的强大功能相结合。

Ansklearn.Pipeline描述了要对矩阵格式执行的转换的有序列表（由 numpy 和 scipy 包提供）。这些转换将按顺序在整个矩阵上一个接一个地执行，并将从头到尾对整个训练和预测过程进行编码。

管道转换（又名步骤）元组的第一部分是它的名称，它对过程没有实际影响，它只是用于可读性。

另一方面， ADataFrameMapper对 pandas 包创建的 DataFrame 对象进行操作，并且可以将转换应用于数据帧的某些部分（不一定适用于整个数据集）。DataFrames 类似于 numpy 和 scipy 矩阵，在跟踪行和列标签以及元数据方面有一个明显的区别。DataFrames 操作将确保可以使用逻辑标识而不是索引来访问、操作和读取行和列。

转换元组的第一部分DataFrameMapper描述了应该通过转换运行哪些列。

三大区别是：

1. ADataFrameMapper是一个更灵活的工具，它可以让你在不同的列上执行不同的转换，并且更倾向于转换复杂的数据结构，同时sklearn.Pipeline更倾向于在同构数据集上执行机器学习相关的转换。
2. ADataFrameMapper将让您保留分配给 pandasDataFrame对象的注释和标签，同时sklearn.Pipeline将任何结果“减少”到 numpy/scipy 数组/矩阵。
3. sklearn.Pipeline是更稳定和众所周知的软件包的一部分，因此如果稳定性和维护等考虑因素很重要，则可能是“更安全”的选择。