我正在使用Scikit learn管道对象，因为我有一系列任务要执行（上采样，特征选择，分类）。我的上采样方法是自定义的，这意味着我必须为管道实现自定义转换器。
转换器必须具有变换和拟合方法。当然，我只想对训练数据进行采样，而不是对测试数据进行采样。这是否意味着我只需要实现 fit 方法，而不必实现转换方法（对传递给 fit 方法的数据集进行上采样）？据我了解，转换方法适用于训练集和测试集......
scikit-learn 转换器无法更改样本数，这在 API 中不受支持 - 请参阅 http://scikit-learn.org/stable/modules/generated/sklearn.base.TransformerMixin.html#sklearn.base.TransformerMixin.fit_transform - 注意 X、y 和 X_new 的尺寸。另外，请注意，它们只返回 X，而不是 y - 这意味着如果您更改 X 维度，它将不再与 y 维度匹配。
一种方法是在管道外部运行它 - 生成用于训练的新样本并将它们放入管道，并且不生成用于测试的新样本。但它不会起作用，例如与交叉合作。
若要使其用于交叉验证和模型选择，您需要一个自定义 Pipeline 类，该类支持更改n_samples的转换器。例如，可以在不平衡学习包中找到实现：请参阅此处。检查这个包 - 如果你需要上采样，那么你的上采样方法可能已经在不平衡学习中实现。