如何在管道中将参数传递给sklearn Cox模型？

Question

如果我运行以下 Python 代码，它运行良好：

target = 'churn'
tranOH = ColumnTransformer([ ('one', OneHotEncoder(drop='first', dtype='int'), 
make_column_selector(dtype_include='category', pattern=f"^(?!{target}).*")   
) ], remainder='passthrough')


dftrain2 = tranOH.fit_transform(dftrain)
cph = CoxPHFitter(penalizer=0.1)
cph.fit(dftrain2, 'months', 'churn')

但是如果我尝试使用管道执行此操作，则会收到错误：

mcox = Pipeline(steps=[
("onehot", tranOH),
('modelo', CoxPHFitter(penalizer=0.1)) 
])

mcox.fit(dftrain, modelo__duration_col="months", modelo__event_col='churn')

它说：

TypeError                                 Traceback (most recent call last)
Cell In[88], line 6
      1 mcox = Pipeline(steps=[
      2     ("onehot", tranOH),
      3     ('modelo', CoxPHFitter(penalizer=0.1)) 
      4     ])
----> 6 mcox.fit(dftrain, modelo__duration_col="months", modelo__event_col=target)

File ~\AppData\Roaming\Python\Python310\site-packages\sklearn\base.py:1473, in _fit_context.<locals>.decorator.<locals>.wrapper(estimator, *args, **kwargs)
   1466     estimator._validate_params()
   1468 with config_context(
   1469     skip_parameter_validation=(
   1470         prefer_skip_nested_validation or global_skip_validation
   1471     )
   1472 ):
-> 1473     return fit_method(estimator, *args, **kwargs)

File ~\AppData\Roaming\Python\Python310\site-packages\sklearn\pipeline.py:473, in Pipeline.fit(self, X, y, **params)
    471     if self._final_estimator != "passthrough":
    472         last_step_params = routed_params[self.steps[-1][0]]
--> 473         self._final_estimator.fit(Xt, y, **last_step_params["fit"])
    475 return self

File ~\AppData\Roaming\Python\Python310\site-packages\lifelines\utils\__init__.py:56, in CensoringType.right_censoring.<locals>.f(model, *args, **kwargs)
     53 @wraps(function)
     54 def f(model, *args, **kwargs):
     55     cls.set_censoring_type(model, cls.RIGHT)
---> 56     return function(model, *args, **kwargs)

TypeError: CoxPHFitter.fit() got multiple values for argument 'duration_col'

tranOH 是一个列转换器，onehot 对除“churn”之外的所有分类列进行编码。

我也尝试过直接在

col="months"

内部使用

event_col=target

和

CoxPHFitter()

，但我得到了同样的错误。

后来我想用它来执行 GridSearchCV 来微调惩罚器参数，优化准确度分数以预测给定时间=“月”的流失率。

我对其他模型没有同样的问题，例如，如果我用 LogisticRegression 替换 CoxPHFitter，它效果很好。

Answer 1

CoxPHFitter

不遵守 sklearn API：它的

fit

方法采用

df

后跟其他参数（先是

duration_col

），而不是

X

然后

y

后跟其他参数。

这基本上没问题，因为您可以将整个帧（包括目标和持续时间列）作为

X

传递，sklearn 管道只会将其视为无监督设置，即默认值

y=None

。 但是，然后我们开始拟合管道的最后一步，这被称为：

self._final_estimator.fit(Xt, y, **last_step_params["fit"])

（来源）。 这里的

y

仍然是

None

，但是由于

CoxPHFitter

将其第二个参数视为

duration_col

，这意味着同时设置为

None

（通过此处的

y

参数）然后设置为

"months"

（你的 kwarg 参数）。

我认为没有简单的方法可以解决这个问题。

lifelines

提供了

sklearn_wrapper

，但这似乎有其自身的问题，预计将在 0.28 版本中删除。 我只是将模型与预处理管道分开。