sklearn Pipeline和DataFrameMapper有什麼區別？

Question

Sklearn管道：http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html

DataFrameMapper：https://github.com/paulgb/sklearn-pandas

什麼是它們之間的區別？

在我看來，sklearn管道有更多的功能，但DataFrameMapper更清潔，供我使用。

Answer 1

Bascially，DataFrameMapper（以及整個sklearn-pandas包）旨在將pandas DataFrame對象的優點與sklearn機器學習包的強大功能相結合。

sklearn.Pipeline描述了在矩陣格式上執行的轉換的有序列表（由numpy和scipy包提供）。這些轉換將依次在整個矩陣上執行，並將從頭到尾對整個訓練和預測過程進行編碼。

流水線轉換的第一部分（aka步驟）元組是它的名稱，它對流程沒有實際影響，它僅用於可讀性。

另一方面，DataFrameMapper對由pandas包創建的DataFrame對象進行操作，並且可以將轉換應用於數據幀的某些部分（不一定在整個數據集上）。數據框類似於numpy和scipy矩陣，跟蹤行和列標籤以及元數據有一個明顯的區別。 DataFrames操作將確保可以使用邏輯標識而不是索引訪問，操作和讀取行和列。

DataFrameMapper轉換元組的第一部分描述了應通過轉換運行哪些列。

兩大差異：

1. 一個DataFrameMapper是一個更靈活的工具，它會告訴你不同列上執行不同的轉換，並更傾向於將複雜的數據結構，而sklearn.Pipeline更面向在同類數據集上執行機器學習相關轉換。
2. A DataFrameMapper可讓您保留已分配給您的熊貓DataFrame對象的註釋和標籤，而sklearn.Pipeline將導致numpy/scipy數組/矩陣。