我想将多类分类目标减少为二元分类目标。理想情况下，这种映射将发生在 scikit-learn 中，因此在训练和预测期间都适用相同的转换。
我查看了转换预测目标 (y)文档，但没有看到可行的方法。理想情况下，它将是TransformedTargetRegressor的分类器版本。
像这样的映射：
targets_multi = {'A', 'B', 'C', 'D'}
targets_binary = {0: {'A', 'B'},
1: {'C', 'D'}}
在管道的三个既定目的中，你会得到“方便和封装”一个，而不是其他目的：
这感觉就像是目标的定义，最好将其视为数据检索的一部分。
scikit-learn 期望transform方法有输入 justX和 not y。fit_transform在大多数情况下，您可以通过覆盖from来解决这个问题TransformerMixin。但是，下游不会期望得到两个返回值（转换后X的 和y），所以这行不通。
您可以使用该包取得更多进展imbalanced-learn，它提供了自己Pipeline的更灵活的转换语法。目的是实现重采样器，这引发了一个主要问题：重采样器不适用于预测时间。