如何覆盖 Sklearn 的 TSNE 以在流水线函数中使用？

我正在尝试为TSNE制作一个自定义函数，以便它可以在Sklearn make_pipeline函数中使用。

一般来说，对于PCA，我会做以下操作：

make_pipeline(PCA(),
LinearRegression())

然而，当我尝试这个：

make_pipeline(TSNE(),
LinearRegression())

我会得到一个错误，说它没有transform()方法，也不能使用fit_transform()方法。所以，现在我正尝试使用以下方法创建一个自定义transform()方法：

class TSNE_wrapper(TSNE):
def transform(X):
return TSNE().fit_transform(X)

但我得到了这个错误：

transform() takes 1 positional argument but 2 were given

您的修复是对的，但不应该这样做！

主成分分析

PCA通过找到最大化方差的轴来创建嵌入：给定训练集，您可以找到数据变化很大的方向(轴(x、y、z等)的线性组合)。拟合PCA的结果是k个方向(轴的k个线性组合)(这是sklearn中的.components属性)。然后，您可以通过将线性组合应用于测试点来转换测试数据。

另一方面，TSNE创建了低维嵌入，试图(在一定程度上)尊重真实维度中的点之间的距离。TSNE不考虑点在高维空间中的位置，它只关注该点与其邻居之间的距离。并尽量在昏暗的空间里尊重这些关系
这就是为什么Sklearn没有用于该类的转换函数，您不能使用TSNE转换数据：TSNE转换函数需要首先适应数据。

如果你想了解更多信息，请查看这篇非常好的文章：http://mlexplained.com/2018/09/14/paper-dissected-visualizing-data-using-t-sne-explained/

如果您使用带有训练/测试拆分的管道，TSNE对象将在测试时使用测试数据进行重新训练！并且没有理由认为嵌入看起来与训练数据拟合的嵌入相同(同样，因为嵌入取决于训练期间给出的点)。ML模型的性能应该很差！

如果你真的想使用TSNE，然后使用机器学习，你必须对整个数据集进行拟合转换训练和测试：但请记住，你的机器学习功能将毫无用处，因为你泄露了测试数据！