Sklearn中BaggingClassifier结合预处理Pipeline使用报错求助

错误的核心原因是BaggingClassifier在bootstrap采样后，会将输入的pandas DataFrame转换为numpy数组，而你的预处理流程（ColumnTransformer）是通过字符串列名来指定特征列的——这种方式仅支持pandas DataFrame输入，当输入变成numpy数组时，数组没有columns属性，就触发了报错。

单独运行Pipeline时，输入始终是DataFrame，所以列名选择能正常工作；但Bagging内部采样后传递给基学习器的是numpy数组，导致ColumnTransformer无法识别列名。

方案1：改用列索引指定特征（推荐） #

将原来用字符串列名定义特征的方式，改成对应列的索引位置，这样不管输入是DataFrame还是numpy数组，ColumnTransformer都能正常定位特征列。

修改代码中特征定义的部分：

# 用列索引替代列名
numerical_features = [X.columns.get_loc(col) for col in ['age', 'fare']] 
categorical_features = [X.columns.get_loc(col) for col in ['sex', 'deck', 'alone']] 
other_features = [X.columns.get_loc(col) for col in ['pclass']]

其余代码保持不变，重新运行即可。

方案2：强制Bagging传递DataFrame给基学习器 #

在Pipeline的最前端添加一个FunctionTransformer，将Bagging传递的numpy数组转回pandas DataFrame，确保后续ColumnTransformer能识别列名。

修改预处理流程部分：

from sklearn.preprocessing import FunctionTransformer

# 定义转换函数，将数组转回DataFrame
def array_to_dataframe(X):
    return pd.DataFrame(X, columns=X_train.columns)

# 在预处理前添加转DataFrame的步骤
preprocessor = make_pipeline(
    FunctionTransformer(array_to_dataframe),
    make_column_transformer(
        (numerical_pipeline, numerical_features),
        (categorical_pipeline, categorical_features),
        (other_pipeline, other_features),
    )
)

这种方法需要确保训练和测试时的列顺序一致，适合必须保留列名逻辑的场景。

修改后重新运行model_bagging.fit(X_train,y_train)和score方法，就能正常执行装袋训练和评估了。

内容的提问来源于stack exchange，提问作者Guigui