Python SCRIT学习定制转换器从底层模型抛出NotFittedError

我想创建我自己的SCRKIT-学习转换器，用于编码包含分类的数字特征，如邮政编码或行业代码(NAICS，MCC等).在这类代码中有一种 struct :例如，MCC 3000-3999是"旅行和娱乐"，它被进一步细分为更细粒度的类别，如"航空公司"、"汽车租赁"等.我们不能将它们用作顺序特征，但如果我们将它们视为纯粹的分类特征(例如，通过一热编码)，我们需要 Select 在代码 struct 的哪个级别应用特征编码.

为了解决这个问题，我创建了我自己的SCRICKIT-LEARN转换器，它是使用决策树的TargetEncoder的变体.代码如下所示.重要的是要认识到，在模型训练过程中，应该使用样本外的决策树回归分数，以避免过度拟合.出于这个原因，我实现了自己的fit_transform函数，该函数从样本分数中生成以下分数:

from sklearn.tree import DecisionTreeRegressor

from sklearn.base import TransformerMixin, BaseEstimator
from sklearn.model_selection import cross_val_predict

class TaxonomyEncoder(TransformerMixin, BaseEstimator):

def __init__(self, n_leafs=10, cv=3):
    self.n_leafs = n_leafs
    self.cv = cv

def fit(self, X, y=None):
    self.tree_ = DecisionTreeRegressor(max_leaf_nodes=self.n_leafs).fit(X,y)
    return self

def transform(self, X):
    return self.tree_.predict(X).reshape(-1,1)

def fit_transform(self, X, y=None):
    self.tree_ = DecisionTreeRegressor(max_leaf_nodes=self.n_leafs)
    return cross_val_predict(self.tree_, X, y, cv=self.cv).reshape(-1,1)

变压器工作正常，但在ColumnTransformer范围内使用时除外:

from sklearn.compose import ColumnTransformer

transformer = ColumnTransformer([('taxonomy', TaxonomyEncoder(), ['mcc'])])
transformer.fit(df[['mcc']], df['y'])
transformer.transform(df[['mcc']])

然后，我得到的错误是决策树还不适合:

NotFittedError: This DecisionTreeRegressor instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.

显然，SCRICKIT-LEARN会在表面之下进行一些判断，从而导致这个错误.请注意，实际上没有理由具有适合的决策树，因为该树是在cross_val_predict函数中重新设置的.我怎么才能解决这个问题呢？

下面是一个完整的工作示例来重现错误:

import pandas as pd
df = pd.DataFrame({'mcc':[3000,3500,7339], 'y':[0,0,1]})

te = TaxonomyEncoder().fit(df[['mcc']], df['y'])
te.transform(df[['mcc']])

提供:

array([[0.],
       [0.],
       [1.]])

FIT_Transform也提供了预期的结果:

te.fit_transform(df[['mcc']], df['y'])

array([[0.],
       [0.],
       [0.]])

但当包装在ColumnTransformer中时，事情就出错了:

transformer = ColumnTransformer([('taxonomy', TaxonomyEncoder(), ['mcc'])])
transformer.fit(df[['mcc']], df['y'])
transformer.transform(df[['mcc']])