Sklearn Pipeline中自定义Classifier无法兼容train_test_split输出数据

自定义实现了一个用于Sklearn Pipeline的类，简化后仅包含fit和transform方法，加入Pipeline并通过GridSearchCV训练时抛出维度错误，移除该类后Pipeline可正常运行。

自定义类代码 #

from sklearn.base import BaseEstimator, ClassifierMixin
import pandas as pd

class DifferentialMethylation(BaseEstimator, ClassifierMixin):
    def fit(self, X, y=None):
        return self

    def transform(self, X, y=None):
        return self

主代码片段 #

X_train, X_test, y_train, y_test = train_test_split(df, cancerType, test_size=0.2, random_state=42)

differentialMethylation = DifferentialMethylation()
feature_selection = RFE(estimator=RandomForestClassifier(n_estimators=100, random_state=42, n_jobs=-1))
randomForest = RandomForestClassifier(random_state=42)

# 创建包含自定义类的Pipeline
pipeline = Pipeline([
    ('differentialMethylation', differentialMethylation),
    ('featureSelection', featureSelection),
    ('modelRefinement', randomForest)
])

search = GridSearchCV(pipeline,
                    param_grid=parameterGrid,
                    scoring='accuracy',
                    cv=5,
                    verbose=0,
                    n_jobs=-1,
                    pre_dispatch='2*n_jobs')  

search.fit(X_train, y_train)

报错信息 #

ValueError: Expected 2D array, got scalar array instead:
array=DifferentialMethylation().
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

错误原因 #

1. 继承类匹配错误：这个自定义类被放在Pipeline的预处理环节，但它继承了ClassifierMixin——这个Mixin是给最终输出预测结果的分类器用的，而非特征转换/预处理步骤。预处理类应该继承TransformerMixin。
2. transform返回值不符合要求：当前transform方法返回了类实例self（标量对象），但Sklearn Pipeline要求每个预处理步骤的transform方法必须返回二维特征数组，才能传递给下一个环节（此处为RFE）。

修复方案 #

1. 修改自定义类的继承与返回值 #

如果该类用于特征预处理/转换，调整继承关系并修正transform方法：

from sklearn.base import BaseEstimator, TransformerMixin  # 替换ClassifierMixin为TransformerMixin
import pandas as pd

class DifferentialMethylation(BaseEstimator, TransformerMixin):
    def fit(self, X, y=None):
        # 此处可添加差异甲基化分析的实际逻辑，比如特征筛选规则
        return self

    def transform(self, X, y=None):
        # 返回二维特征数组，暂时无需处理则直接返回X
        # 后续可替换为你的特征处理逻辑，比如返回筛选后的特征子集
        return X

2. 保留原Pipeline结构 #

修改后的类可直接放入原Pipeline使用，它现在符合Sklearn预处理步骤的接口要求，能正确传递二维特征数组给后续的RFE和分类器。

内容的提问来源于stack exchange，提问作者Ben