我一直在尝试为sklearnPipeline体系结构设计一个转换器，它可以在管道过程中过滤和删除符合某些条件的记录-如果愿意的话，可以使用WHERE子句。我找到了这样一个答案：；从现有版本的scikit-learn开始，任何丢弃或添加样本的变压器都不符合API"；，但这是7年前的事了。事情发生了变化吗？如果没有，Pipeline哲学的一个好的陈述是什么，可以解释为什么删除记录不符合其概念？(我当然明白为什么添加样本没有意义，我认为我明白为什么删除可能没有意义，但我想阅读官方原因，以便更好地理解围绕API的想法。(
此语句至今仍然有效。
我不知道任何"；官方的"；scikit-learn文档中的声明，该声明解决了此问题或证明了此设计选择的合理性。然而，我认为这不受支持的主要原因是Pipeline对象只转换X。至少对此，有一个来源：
管道只转换观测到的数据(
X(。
因此，如果将任何样本删除或添加到X，则样本数将与y不一致。我认为这是这个设计选择的最可能的原因。
也就是说，imblearn的管道实现实际上允许改变样本大小的转换，因为它允许在管道中包括重采样器(请参阅此处(。但是，这仅限于符合imblearnAPI方法的采样方法。