OneToOneFeatureMixin

класс sklearn.base.OneToOneFeatureMixin

Предоставляет get_feature_names_out для простых трансформеров.

Этот миксин предполагает, что существует взаимно однозначное соответствие между входными признаками и выходными признаками, такими как StandardScaler.

Примеры

>>> import numpy as np
>>> from sklearn.base import OneToOneFeatureMixin, BaseEstimator
>>> class MyEstimator(OneToOneFeatureMixin, BaseEstimator):
...     def fit(self, X, y=None):
...         self.n_features_in_ = X.shape[1]
...         return self
>>> X = np.array([[1, 2], [3, 4]])
>>> MyEstimator().fit(X).get_feature_names_out()
array(['x0', 'x1'], dtype=object)

get_feature_names_out(input_features=None)

Получить имена выходных признаков для преобразования.

Параметры:

input_featuresarray-like из str или None, по умолчанию=None

Входные признаки.

• Если input_features является None, затем feature_names_in_ используется как имена признаков в. Если feature_names_in_ не определено, тогда генерируются следующие имена входных признаков: ["x0", "x1", ..., "x(n_features_in_ - 1)"].

• Если input_features является массивоподобным, тогда input_features должен соответствовать feature_names_in_ if feature_names_in_ определен.

Возвращает:

feature_names_outndarray из str объектов

То же, что и входные признаки.