OneToOneFeatureMixin

class sklearn.base.OneToOneFeatureMixin

為簡單的轉換器提供 get_feature_names_out。

此 mixin 假設輸入特徵和輸出特徵之間存在一對一的對應關係，例如 StandardScaler。

範例

>>> 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)

獲取轉換的輸出特徵名稱。

參數:

input_featuresarray-like of str 或 None，預設為 None

輸入特徵。

• 如果 input_features 為 None，則會使用 feature_names_in_ 作為輸入特徵名稱。如果 feature_names_in_ 未定義，則會產生以下輸入特徵名稱：["x0", "x1", ..., "x(n_features_in_ - 1)"]。

• 如果 input_features 為類陣列 (array-like)，則若 feature_names_in_ 有定義，input_features 必須與 feature_names_in_ 相符。

回傳值:

feature_names_out字串物件的 ndarray

與輸入特徵相同。