机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

端到端的机器学习项目

｜

71

和人均 GDP 来代替国家代码）。或者，你可以用可学习的低维向量（称为嵌

入）来替换每个类别。每个类别的表征可以在训练期间学习。这是表征学习

的示例（更多细节参见第 13 章和第 17 章 ）。

2.5.3 自定义转换器

虽然 Scikit-Learn 提供了许多有用的转换器，但是你仍然需要为一些诸如自定义清理操

作或组合特定属性等任务编写自己的转换器。你当然希望让自己的转换器与 Scikit-Learn

自身的功能（比如流水线）无缝衔接，而由于 Scikit-Learn 依赖于鸭子类型的编译，而

不是继承，所以你所需要的只是创建一个类，然后应用以下三种方法：fit()（返回

self）、 transform()、fit_transform()。

你可以通过添加 TransformerMixin 作为基类，直接得到最后一种方法。同时，如果

添加 BaseEstimator 作为基类（并在构造函数中避免 *args 和 **kargs），你还能额外

获得两种非常有用的自动调整超参数的方法（get_params() 和 set_params()）。

例如，我们前面讨论过的组合属性，这里有个简单的转换器类，用来添加组合后的

属性：

from sklearn.base import

BaseEstimator, TransformerMixin

rooms_ix, bedrooms_ix, population_ix, households_ix = 3, 4, 5, 6

class CombinedAttributesAdder ...