如何判断传入的sklearn估计器对象是否为缩放器（scaler）？

你已经能通过isinstance(obj, _BaseImputer)识别填充器，以下是几种可靠的缩放器判断方案：

1. 模块归属+特征Mixin组合检查 #

Scikit-learn官方所有缩放器都位于sklearn.preprocessing模块下，且均继承OneToOneFeatureMixin（保证输入输出特征数量一致）。结合这两点并排除填充器，能有效降低误判概率：

from sklearn.base import OneToOneFeatureMixin
from sklearn.impute import _BaseImputer

def is_scaler(obj):
    # 先排除已识别的填充器
    if isinstance(obj, _BaseImputer):
        return False
    # 验证模块归属与Mixin继承
    return (obj.__module__.startswith("sklearn.preprocessing") and
            isinstance(obj, OneToOneFeatureMixin))

这种方法覆盖所有官方缩放器，除非有人刻意在sklearn.preprocessing下编写非缩放器且继承该Mixin的类，否则不会出现误判。

2. 检查缩放器独有的拟合后属性 #

不同类型的缩放器在拟合后会生成专属属性：

• StandardScaler: mean_、scale_
• MinMaxScaler: data_min_、data_max_、scale_
• RobustScaler: center_、scale_
• MaxAbsScaler: max_abs_

结合Mixin检查和这些属性的存在性，可精准判断已拟合的缩放器：

def is_scaler(obj):
    if isinstance(obj, _BaseImputer):
        return False
    if not isinstance(obj, OneToOneFeatureMixin):
        return False
    # 检查是否存在任意缩放器专属拟合属性
    scaler_exclusive_attrs = {'mean_', 'scale_', 'data_min_', 'data_max_', 'center_', 'max_abs_'}
    return any(hasattr(obj, attr) for attr in scaler_exclusive_attrs)

注意：此方法仅对已调用fit()的缩放器实例有效，未拟合的实例不会生成这些属性。

3. 利用Scikit-learn标签系统 #

部分预处理类会通过__sklearn_tags__暴露功能标签，可通过标签验证：

def is_scaler(obj):
    if isinstance(obj, _BaseImputer):
        return False
    # 获取对象的sklearn标签
    tags = getattr(obj, "__sklearn_tags__", lambda: {})()
    # 检查是否包含缩放器相关标签
    return "preprocessing" in tags.get("tags", []) and "scaler" in tags.get("tags", [])

需注意部分老版本或小众缩放器可能标签不全，可作为补充方案使用。

总结 #

• 若需支持未拟合和已拟合的缩放器，优先选择模块+Mixin组合检查；
• 若仅处理已拟合实例，专属属性检查精度更高；
• 两种方法结合使用，可实现几乎零误判的效果。

内容的提问来源于stack exchange，提问作者ascripter