OneToOneFeatureMixin

class sklearn.base.OneToOneFeatureMixin

提供 get_feature_names_out 用于简单的转换器。

这个 mixin 假设输入特征和输出特征之间存在一对一的对应关系，例如 StandardScaler 。

Examples

>>> import numpy as np
>>> from sklearn.base import OneToOneFeatureMixin
>>> class MyEstimator(OneToOneFeatureMixin):
...     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)

获取变换后的输出特征名称。

Parameters:

input_features字符串数组或None，默认=None

输入特征。

• 如果 input_features 是 None ，则使用 feature_names_in_ 作为输入特征名称。如果 feature_names_in_ 未定义，则生成以下输入特征名称： ["x0", "x1", ..., "x(n_features_in_ - 1)"] 。

• 如果 input_features 是数组类型，则 input_features 必须与 feature_names_in_ 匹配（如果 feature_names_in_ 已定义）。

Returns:

feature_names_out字符串对象的ndarray

与输入特征相同。