Scikit-learn Pipeline结合RandomizedSearchCV报错：自定义Preprocessor不合要求

问题根源 #

Scikit-learn的Pipeline和交叉验证工具（比如RandomizedSearchCV）要求每个步骤的转换器必须同时实现fit()和transform()方法，而你的自定义Preprocessor类只实现了fit_transform()：

• 单独调用fit_transform()能正常运行，是因为这个方法直接完成了拟合+转换的完整流程
• 但Pipeline在交叉验证过程中会拆分调用：先对训练集调用fit()，再分别对训练集、测试集调用transform()，缺少任一方法都会触发TypeError

解决方案：规范实现Scikit-learn转换器接口 #

你需要让自定义类符合scikit-learn的转换器规范，最简单的方式是继承BaseEstimator和TransformerMixin，并分别实现fit()和transform()方法，内部复用你已有的预处理流程：

from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.pipeline import make_pipeline
from sklearn.compose import ColumnTransformer

class Preprocessor(BaseEstimator, TransformerMixin):
    def __init__(self):
        # 初始化你的预处理流水线（和之前make_pipeline的逻辑一致）
        self.inner_pipeline = make_pipeline(
            ColumnTransformer([
                # 这里放入你定义的各类列处理逻辑
                ('num', 你的数值特征处理器, 数值特征列名列表),
                ('cat', 你的类别特征处理器, 类别特征列名列表)
            ])
            # 可继续添加其他预处理步骤
        )
    
    def fit(self, X, y=None):
        # 对内部流水线执行拟合，必须返回self以符合接口规范
        self.inner_pipeline.fit(X, y)
        return self
    
    def transform(self, X):
        # 用拟合后的流水线转换数据
        return self.inner_pipeline.transform(X)

为什么这样能解决问题 #

1. 继承BaseEstimator：让类支持scikit-learn估算器的核心方法（如get_params()），满足Pipeline和交叉验证的参数传递需求
2. 继承TransformerMixin：自动提供标准的fit_transform()实现（无需你手动编写）
3. 拆分fit()和transform()：让Pipeline在交叉验证时能正确执行"训练集拟合、测试集仅转换"的流程，避免触发接口报错

修改后，将Preprocessor加入Pipeline并结合RandomizedSearchCV调用fit()，即可正常完成交叉验证搜索。

内容的提问来源于stack exchange，提问作者Silvio sjsj