TypeError: All estimators should implement fit and transform, or can be 'drop' or 'passthrough' specifiers. 'LogisticRegression()' (type <class 'sklearn.linear_model._logistic.LogisticRegression'>) doesn't.
Ai pus un model (LogisticRegression, LinearRegression...) în interiorul unui ColumnTransformer. ColumnTransformer acceptă doar transformere (scalere, encodere, imputere), "drop" sau "passthrough". Pune modelul după el, într-un Pipeline: make_pipeline(ct, LogisticRegression()).
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
ColumnTransformer aplică pe grupuri de coloane câte un transformer și lipește rezultatele într-un singur tabel. Pentru asta, fiecare element trebuie să aibă fit și transform. Un model are fit și predict, dar nu transform, deci nu poate produce coloane. Mesajul numește exact obiectul care nu se potrivește: 'LogisticRegression()' ... doesn't.
Greșeala apare când încerci să faci totul într-un singur ColumnTransformer, adăugând modelul ca încă un „pas”, sau când confunzi ColumnTransformer cu Pipeline. Structura corectă are două niveluri: ColumnTransformer pregătește coloanele, iar Pipeline-ul leagă pregătirea de model. Mesajul înrudit All intermediate steps should be transformers apare în Pipeline, când pui un model în mijloc în loc de ultimul pas.
De ce apare: cauzele frecvente
1Modelul pus în ColumnTransformer
ct = ColumnTransformer([
("oras", OneHotEncoder(), ["oras"]),
("model", LogisticRegression(), ["minute"]),
])ct = ColumnTransformer([
("oras", OneHotEncoder(), ["oras"]),
("num", "passthrough", ["minute"]),
])
pipe = make_pipeline(ct, LogisticRegression())ColumnTransformer doar pregătește coloanele; modelul vine după, în Pipeline, și le primește pe toate.
2Funcție în loc de transformer
ct = ColumnTransformer([("log", np.log1p, ["venit"])])ct = ColumnTransformer([("log", FunctionTransformer(np.log1p), ["venit"])])O funcție simplă nu are fit și transform. FunctionTransformer o împachetează ca transformer.
3Clasa transformerului fără paranteze
ct = ColumnTransformer([("num", StandardScaler, ["varsta"])])ct = ColumnTransformer([("num", StandardScaler(), ["varsta"])])ColumnTransformer are nevoie de un obiect transformer, creat cu paranteze.
Repară eroarea, direct în pagină
Codul de mai jos dă TypeError: All estimators should implement fit and transform, pentru că regresia logistică e pusă în ColumnTransformer. Repară-l: în ColumnTransformer lasă coloana minute neschimbată ("passthrough"), iar modelul pune-l după, într-un Pipeline, ca programul să afișeze predicțiile.
import pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import OneHotEncoder
df = pd.DataFrame({
"minute": [2, 15, 3, 20, 1, 12],
"oras": ["Cluj", "Iasi", "Iasi", "Cluj", "Cluj", "Iasi"],
"cumparat": [0, 1, 0, 1, 0, 1],
})
ct = ColumnTransformer([
("oras", OneHotEncoder(), ["oras"]),
("model", LogisticRegression(), ["minute"]),
])
ct.fit(df[["minute", "oras"]], df["cumparat"])
noi = pd.DataFrame({"minute": [4, 18], "oras": ["Cluj", "Iasi"]})
print("Predictii:", ct.predict(noi).tolist())Predictii: [0, 1]
Indiciu
("num", "passthrough", ["minute"]) în ColumnTransformer și make_pipeline(ct, LogisticRegression()).
Reparația
import pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.linear_model import LogisticRegression
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import OneHotEncoder
df = pd.DataFrame({
"minute": [2, 15, 3, 20, 1, 12],
"oras": ["Cluj", "Iasi", "Iasi", "Cluj", "Cluj", "Iasi"],
"cumparat": [0, 1, 0, 1, 0, 1],
})
ct = ColumnTransformer([
("oras", OneHotEncoder(), ["oras"]),
("num", "passthrough", ["minute"]),
])
pipe = make_pipeline(ct, LogisticRegression())
pipe.fit(df[["minute", "oras"]], df["cumparat"])
noi = pd.DataFrame({"minute": [4, 18], "oras": ["Cluj", "Iasi"]})
print("Predictii:", pipe.predict(noi).tolist())De ce merge
ColumnTransformer produce coloane, deci fiecare element al lui trebuie să aibă transform; un model nu are. Acum ColumnTransformer codifică orașul și lasă minutele neschimbate, iar Pipeline-ul dă tabelul rezultat regresiei logistice. Timpul petrecut pe site separă clar cumpărătorii, deci vizita de 4 minute primește 0, iar cea de 18 minute primește 1.
Alte forme ale mesajului
TypeError: All estimators should implement fit and transform, or can be 'drop' or 'passthrough' specifiers. 'LinearRegression()' (type <class 'sklearn.linear_model._base.LinearRegression'>) doesn't.TypeError: All estimators should implement fit and transform, or can be 'drop' or 'passthrough' specifiers. '<ufunc 'log1p'>' (type <class 'numpy.ufunc'>) doesn't.
Cum o eviți pe viitor
Ține minte forma standard: pipe = make_pipeline(ColumnTransformer([...transformere...]), Model()). În ColumnTransformer intră doar obiecte care au transform, plus șirurile "drop" și "passthrough". Pentru funcții proprii folosește FunctionTransformer. Dacă nu știi ce face un obiect, verifică dacă are metoda: hasattr(obiect, "transform") trebuie să fie True pentru tot ce pui în ColumnTransformer.
Întrebări frecvente
Pot folosi un model în ColumnTransformer ca să creez o coloană nouă?
Nu direct. Dacă vrei predicțiile unui model ca trăsătură pentru altul, uită-te la StackingClassifier / StackingRegressor, care fac exact asta corect, cu validare încrucișată.
Ce face "passthrough"?
Lasă coloanele respective neschimbate în rezultat. E util pentru coloanele numerice care nu au nevoie de prelucrare.
Erori înrudite
TypeError: All intermediate steps should be transformers and implement fit and transform or be the string 'passthrough' 'LogisticRegression()' (type <class 'sklearn.linear_model._logistic.LogisticRegression'>) doesn't Într-un Pipeline, toți pașii în afară de ultimul trebuie să fie transformatori (scaler, encoder, imputer), iar modelul trebuie să fie ultimul. Aici modelul a fost pus înaintea scaler-ului. Mută modelul la final: Pipeline([('scaler', StandardScaler()), ('model', LogisticRegression())]). ValueError: A given column is not a column of the dataframe Ai dat unui ColumnTransformer o listă de coloane în care cel puțin un nume nu există în DataFrame (greșeală de scriere, diacritice, spații, coloană redenumită). Compară lista cu df.columns.tolist() și corectează numele. TypeError: LabelEncoder.fit_transform() takes 2 positional arguments but 3 were given Ai pus LabelEncoder într-un Pipeline sau ColumnTransformer. Acolo fiecare pas primește fit_transform(X, y), dar LabelEncoder acceptă un singur argument, pentru că e făcut doar pentru ținta y. Pentru coloanele din X folosește OneHotEncoder sau OrdinalEncoder. Învață Machine Learning de la zero, cu exerciții la fiecare lecție
Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.
