如何解决在 sklearn 管道中添加用于回归的预测向量的自定义转换器
我为回归问题构建了一个带有预处理器和回归器的 sklearn 管道。
Regressor = GradientBoostingRegressor()
Model = Pipeline([("preprocessor",xgb_model_preprocessor),("reg",Regressor)])
Model.predict(X_test) 的输出包含一些负值,但我的目标 Y_test 是一个正向量。为了提高我的分数,我想应用一个非常简单的自定义函数,该函数为每个负面预测返回 0。我想直接将它添加到我的管道中。
示例:
Model.predict(X_test) = [5,10,1,-2,8,-1 ]
我想要我的新管道 Model_2 以便:
Model_2.predict(X_test) = [5,0 ]
谁能帮我实现这个目标?
非常感谢您的帮助。
解决方法
好的,几个月后我得到了答案!
您可以使用 sklearn.ensemble.StackingRegressor ,它允许您使用给定估计器的输出作为另一个估计器的输入。
就我的问题而言,易于编码的自定义估算器会起作用。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。