使用Scikit-learn包的ClassNamePrefixFeaturesOutMixin

ClassNamePrefixFeaturesOutMixin 是 scikit-learn 在 sklearn.base 模块中提供的一个 Mixin 类（混合类）。它的主要作用是为那些需要自动生成输出特征名称的转换器（Transformer）提供一个标准化的方法。

这个 Mixin 是 scikit-learn 中 get_feature_names_out 约定的一部分，常用于 PCA 等转换器。

核心功能与使用方法

这个 Mixin 的核心是为你的类自动添加 get_feature_names_out 方法。其命名规则和前提条件如下：

• 命名规则：生成的输出特征名称会以类名的小写形式作为前缀，后接数字索引。
  • 例如，如果你的类名为 MyEstimator，并且输出了 2 个特征，那么生成的特征名称将是 ['myestimator0', 'myestimator1']。
• 前提条件：使用此 Mixin 的类，在 fit 方法中必须定义一个名为 _n_features_out 的属性，其值为转换器输出特征的数量。

代码示例

下面是一个简单的自定义转换器示例，展示了如何使用这个 Mixin。

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

# 1. 继承 ClassNamePrefixFeaturesOutMixin 和 BaseEstimator
class MyEstimator(ClassNamePrefixFeaturesOutMixin, BaseEstimator):
    def fit(self, X, y=None):
        # 2. 在 fit 方法中必须设置 _n_features_out
        #    这里假设输出特征的数量等于输入特征的数量
        self._n_features_out = X.shape[1]
        return self

    def transform(self, X):
        # 假设这是一个简单的变换，比如返回输入本身
        return X

# 使用示例
X = np.array([[1, 2], [3, 4]])
estimator = MyEstimator()
estimator.fit(X)

# 自动获得 get_feature_names_out 方法
feature_names = estimator.get_feature_names_out()
print(feature_names)
# 输出: array(['myestimator0', 'myestimator1'], dtype=object)

总结

简而言之，ClassNamePrefixFeaturesOutMixin 是一个实用的工具，它能够让你在创建自定义转换器时，无需手动编写 get_feature_names_out 方法，只需遵循约定设置 _n_features_out 属性，即可自动获得符合 scikit-learn 标准的特征命名功能。