python - how - scikit learn algorithm

recuperar las características intermedias de una tubería en Scikit(Python)

Question

Estoy usando una tubería muy similar a la dada en este ejemplo :

>>> text_clf = Pipeline([(''vect'', CountVectorizer()),
...                      (''tfidf'', TfidfTransformer()),
...                      (''clf'', MultinomialNB()),
... ])

sobre el cual utilizo GridSearchCV para encontrar los mejores estimadores sobre una grilla de parámetros.

Sin embargo, me gustaría obtener los nombres de columna de mi conjunto de entrenamiento con el método CountVectorizer() de CountVectorizer() . ¿Es esto posible sin implementar CountVectorizer() fuera de la tubería?

Answer 1

Usando la función get_params() , puede obtener acceso en las diversas partes de la tubería y sus respectivos parámetros internos. Aquí hay un ejemplo de acceso a ''vect''

text_clf = Pipeline([(''vect'', CountVectorizer()),
                     (''tfidf'', TfidfTransformer()),
                     (''clf'', MultinomialNB())]
print text_clf.get_params()[''vect'']

rendimientos (para mí)

CountVectorizer(analyzer=u''word'', binary=False, decode_error=u''strict'',
    dtype=<type ''numpy.int64''>, encoding=u''utf-8'', input=u''content'',
    lowercase=True, max_df=1.0, max_features=None, min_df=1,
    ngram_range=(1, 1), preprocessor=None, stop_words=None,
    strip_accents=None, token_pattern=u''(?u)//b//w//w+//b'',
    tokenizer=None, vocabulary=None)

No he ajustado la canalización a ningún dato en este ejemplo, por lo que llamar a get_feature_names() en este punto devolverá un error.

Answer 2

solo para referencia

The estimators of a pipeline are stored as a list in the steps attribute:
>>>

>>> clf.steps[0]
(''reduce_dim'', PCA(copy=True, n_components=None, whiten=False))

and as a dict in named_steps:
>>>

>>> clf.named_steps[''reduce_dim'']
PCA(copy=True, n_components=None, whiten=False)

de http://scikit-learn.org/stable/modules/pipeline.html