ColumnTransformer

ColumnTransformer是一个scikit-learn库中的类，用于将不同的转换器应用于不同的列。它可以用于将不同的预处理步骤应用于不同的特征，例如对分类特征进行OneHot编码，对数值特征进行标准化等。以下是一个使用ColumnTransformer的例子：

from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.datasets import fetch_openml
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression

# 加载数据集
X, y = fetch_openml('titanic', version=1, as_frame=True, return_X_y=True)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义ColumnTransformer
preprocessor = ColumnTransformer(
    transformers=[
        ('num', StandardScaler(), ['age', 'fare']),
        ('cat', OneHotEncoder(), ['sex', 'embarked'])
    ])

# 定义Pipeline
clf = Pipeline(steps=[('preprocessor', preprocessor),
                      ('classifier', LogisticRegression())])

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 输出准确率
print("Accuracy:", clf.score(X_test, y_test))

在这个例子中，我们使用ColumnTransformer将StandardScaler应用于数值列（'age'和'fare'），将OneHotEncoder应用于分类列（'sex'和'embarked'）。然后我们将这个ColumnTransformer与LogisticRegression模型一起放入Pipeline中进行训练和预测。