创建自己得转换器

　　小编最近在看数据分析，写下博客加深影响。     参考 Robert Layton得数据分析。

　　涉及到三个概念，估计器，转换器，流水线。

　　　　 估计器（Estimator）：用于分类、聚类和回归分析。

　　　　 转换器（Transformer）：用于数据预处理和数据转换。

　　　　 流水线（Pipeline）：组合数据挖掘流程，便于再次使用

 

　　scikit-learn 估计器

　　　　为帮助用户实现大量分类算法，scikit-learn把相关功能封装成所谓的估计器。估计器用

于分类任务，它主要包括以下两个函数。

　　 fit()：训练算法，设置内部参数。该函数接收训练集及其类别两个参数。

　　 predict()：参数为测试集。预测测试集类别，并返回一个包含测试集各条数据类别的

数组。

　　大多数scikit-learn估计器接收和输出的数据格式均为numpy数组或类似格式。

 

　　转换器像极了转换函数。它接收一种形式的数据，输出另外一种形式。转换器可以用训练集

训练，训练得到的参数可以用来转换测试数据集。转换器通常用作数据处理和数值转化，因为在实际情况中，影响事物得种类很多，队事物影响得权重又不同，导致数据冗杂。因此，将数据集进行转化不仅可以提高运行速度，更提高准确度。

from sklearn.base import TransformerMixin
from sklearn.utils import as_float_array

class MeanDiscrete(TransformerMixin):
    def fit(self, X, y=None):
        X = as_float_array(X)
        self.mean = np.mean(X, axis=0)
        return self

    def transform(self, X):
        X = as_float_array(X)
　　　　　　# 判断矩阵得列数是否一致
        assert X.shape[1] == self.mean.shape[0]
        return X > self.mean

　　小编再看得时候，有些语法忘了，便随手在ipython上面敲了敲。

　　下面再进行检验：

%%file adult_tests.py
import numpy as np
from numpy.testing import assert_array_equal

def test_meandiscrete():
    X_test = np.array([[ 0,  2],
                        [ 3,  5],
                        [ 6,  8],
                        [ 9, 11],
                        [12, 14],
                        [15, 17],
                        [18, 20],
                        [21, 23],
                        [24, 26],
                        [27, 29]])
    mean_discrete = MeanDiscrete()
    mean_discrete.fit(X_test)
    assert_array_equal(mean_discrete.mean, np.array([13.5, 15.5]))
    X_transformed = mean_discrete.transform(X_test)
    X_expected = np.array([[ 0,  0],
                            [ 0, 0],
                            [ 0, 0],
                            [ 0, 0],
                            [ 0, 0],
                            [ 1, 1],
                            [ 1, 1],
                            [ 1, 1],
                            [ 1, 1],
                            [ 1, 1]])
    assert_array_equal(X_transformed, X_expected)

　　流水线通常是由转换器和估算器组成得，最够必须是估算器。

　　下面附上：

pandas.read_csv学习笔记

https://blog.csdn.net/zjyklwg/article/details/79556545