使用 Scikit-learn 的 ClassNamePrefixFeaturesOutMixin

前言

在 Scikit-learn 中，get_feature_names_out 是一个非常重要的接口，它允许转换器（transformer）输出转换后的特征名称，从而让机器学习流水线（pipeline）中的每一步都能保持特征的可解释性。而 ClassNamePrefixFeaturesOutMixin 正是 Scikit-learn 提供的一个辅助混合类（mixin），用于帮助开发者快速实现这一功能。

什么是 ClassNamePrefixFeaturesOutMixin？

ClassNamePrefixFeaturesOutMixin 是 sklearn.base 模块中的一个混合类。它的作用是为需要自行生成输出特征名称的转换器提供标准化实现——通过将类名的小写形式作为前缀，自动为每个输出特征生成名称。

简单来说，如果你的自定义转换器输出了 n 个特征，这个 mixin 能自动帮你生成形如 ["类名前缀0", "类名前缀1", ..., "类名前缀n-1"] 的特征名称数组。

为什么需要它？

在 Scikit-learn 的生态中，get_feature_names_out 方法是 set_output API 的核心组成部分。当一个转换器实现了这个方法后，BaseEstimator 会自动包装 transform 和 fit_transform 方法以遵循 set_output API。这意味着：

• 流水线中的中间步骤可以保留有意义的特征名称
• 输出数据可以以 DataFrame 等形式返回，并带有清晰的列名
• 整个机器学习工作流的可解释性和调试体验大幅提升

ClassNamePrefixFeaturesOutMixin 与 OneToOneFeatureMixin 一起，被官方列为定义 get_feature_names_out 的实用辅助类。

工作原理

这个 mixin 的工作基于一个关键假设：当转换器被拟合（fitted）后，必须定义一个 _n_features_out 属性，表示 transform 或 fit_transform 方法将返回的输出特征数量。

在调用 get_feature_names_out 时，mixin 会：

1. 获取当前类的名称并将其转换为小写（例如 MyTransformer → "mytransformer"）
2. 读取 _n_features_out 属性获取特征数量
3. 生成形如 ["类名小写0", "类名小写1", ...] 的特征名称数组

官方示例

以下是一个来自 Scikit-learn 官方文档的完整示例：

import numpy as np
from sklearn.base import ClassNamePrefixFeaturesOutMixin

class MyEstimator(ClassNamePrefixFeaturesOutMixin):
    def fit(self, X, y=None):
        # 关键：在 fit 中设置输出特征数量
        self._n_features_out = X.shape[1]
        return self

X = np.array([[1, 2], [3, 4]])
MyEstimator().fit(X).get_feature_names_out()
# 输出: array(['myestimator0', 'myestimator1'], dtype=object)

在这个例子中，MyEstimator 继承自 ClassNamePrefixFeaturesOutMixin，在 fit 方法中设置了 _n_features_out = X.shape[1]（即 2）。调用 get_feature_names_out() 后，自动返回了 ["myestimator0", "myestimator1"]。

更完整的实现（继承 BaseEstimator）

在实际开发中，通常还会同时继承 BaseEstimator 以获取完整的估计器接口：

import numpy as np
from sklearn.base import BaseEstimator, ClassNamePrefixFeaturesOutMixin

class MyEstimator(ClassNamePrefixFeaturesOutMixin, BaseEstimator):
    def fit(self, X, y=None):
        self._n_features_out = X.shape[1]
        return self

X = np.array([[1, 2], [3, 4]])
MyEstimator().fit(X).get_feature_names_out()
# 输出: array(['myestimator0', 'myestimator1'], dtype=object)

实际应用场景

在 Scikit-learn 的核心代码库中，ClassNamePrefixFeaturesOutMixin 被多个内置转换器所使用。例如：

• KNeighborsTransformer：将输入转换为 k 近邻的加权图，继承自 ClassNamePrefixFeaturesOutMixin
• PCA：主成分分析，输出特征名称形如 ["pca0", "pca1", "pca2"]

方法说明

ClassNamePrefixFeaturesOutMixin 主要提供一个公开方法：

get_feature_names_out(input_features=None)

获取转换后的输出特征名称。

• 参数 input_features：可选，用于验证输入特征名称是否与 fit 时看到的名称一致
• 返回：ndarray 类型的特征名称数组

特征名称的生成规则是：以类名的小写形式为前缀，后接从 0 开始的数字索引。

注意事项

1. 必须设置 _n_features_out：在 fit 方法中必须为 self._n_features_out 赋值，否则 get_feature_names_out 无法正常工作。

2. 类名影响输出：生成的特征名称前缀取决于实际子类的名称。如果类名是 MyCustomTransformer，输出将是 ["mycustomtransformer0", "mycustomtransformer1", ...]。

3. 配合 BaseEstimator 使用：虽然官方示例中单独继承 ClassNamePrefixFeaturesOutMixin 也能工作，但生产级代码建议同时继承 BaseEstimator，以获得完整的 Scikit-learn 估计器接口。

总结

ClassNamePrefixFeaturesOutMixin 是 Scikit-learn 为转换器开发者提供的一个轻量级但极其实用的辅助工具。它让自定义转换器能够以极少的代码量实现 get_feature_names_out 方法，从而无缝融入 Scikit-learn 的现代输出 API 体系。

无论你是在开发一个简单的特征选择器，还是构建复杂的降维算法，只要你的转换器需要输出多个特征并希望保留可解释的特征名称，ClassNamePrefixFeaturesOutMixin 都是一个值得纳入工具箱的利器。