如何使 SK 学习分类器接受 2D 数组作为预测的输入

Question

所以我创建了一个混合数据类型的模型，并使用 SK Learn Docs 中的推荐示例使用列转换器来构建分类器。

https://scikit-learn.org/stable/auto_examples/compose/plot_column_transformer_mixed_types.html#sphx-glr-auto-examples-compose-plot-column-transformer-mixed-types-py

由于输入来自csv，并转换为Pandas数据帧，因此看起来X_test，X_train，y_test y_train都是数据帧。将y_test传递给 clf.predict（） 函数工作正常，我收到了预测。

但是，我想托管此模型Google云ML引擎，该引擎在预测请求API中接受2D实例数组。如何使分类器适应并接受输入数组而不是数据帧？我意识到这可能是相当微不足道的，但很难找到解决方案。

Answer 1

要使分类器与 Google Cloud 机器学习引擎 （CMLE） 兼容，您需要将预处理器和 LogisticRegression 分类器与管道分离出来。您将需要执行预处理逻辑客户端，独立分类器将托管在 CMLE 上。

读取 csv 文件并定义数字和分类转换器后，需要修改训练代码，如下所示：

...
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
preprocessor = ColumnTransformer(
    transformers=[
        ('num', numeric_transformer, numeric_features),
        ('cat', categorical_transformer, categorical_features)])
model = LogisticRegression(solver='lbfgs')
X_train_transformed = preprocessor.fit_transform(X_train)
model.fit(X_train_transformed, y_train)
print("model score: %.3f" % model.score(preprocessor.transform(X_test), y_test))

您可以导出模型（使用 pickle 或 joblib）并将其部署到 CMLE 上。在构造对 CMLE 的 json 请求以进行预测时，首先需要使用以下内容将数据帧预处理为 2D 数组： preprocessor.transform(X_test) .