ColumnTransformer无get_feature_names_out属性及特征名称获取问题

错误原因 #

ColumnTransformer.get_feature_names_out()是Scikit-learn 1.0及以上版本才引入的API，若你的Scikit-learn版本低于1.0，就会触发AttributeError: 'ColumnTransformer' object has no attribute 'get_feature_names_out'错误。

解决方案 #

方案1：升级Scikit-learn到1.0+版本 #

直接通过pip升级到最新稳定版：

pip install --upgrade scikit-learn

升级完成后，原代码中trained_pipeline.named_steps['preprocessing'].get_feature_names_out()即可正常运行，后续也能直接用select.get_feature_names_out()获取选中的特征名。

方案2：手动生成预处理后的特征名（无需升级版本） #

根据你的预处理逻辑，可手动拼接出预处理后的所有特征名：

1. 数值特征：直接使用你定义的num列表（数值管道仅做填充和缩放，特征名不变）
2. 分类特征：使用你定义的cat列表（OrdinalEncoder仅对分类列做序数编码，不会生成新列）
3. 剩余列：提取原数据中不在num和cat里的列（对应remainder='passthrough'的部分）

具体代码实现：

trained_pipeline = clf.best_estimator_

# 获取remainder部分的列名
remainder_cols = [col for col in X_train.columns if col not in num + cat]

# 拼接预处理后的所有特征名
feature_names_before_selection = num + cat + remainder_cols

# 获取选中的特征名
selected_mask = trained_pipeline.named_steps['select'].get_support()
selected_feature_names = [name for name, is_selected in zip(feature_names_before_selection, selected_mask) if is_selected]

print(f"预处理后所有特征名：{feature_names_before_selection}")
print(f"选中的特征名：{selected_feature_names}")

注意事项 #

• 若后续将分类管道的OrdinalEncoder替换为OneHotEncoder，则分类特征会生成多列，此时手动生成特征名需要结合OneHotEncoder.get_feature_names_out()来获取编码后的列名，再进行拼接。

内容的提问来源于stack exchange，提问作者Ana Lib