sklearn pipeline中将PCA结果与原始特征拼接的更简洁实现方案

更简洁的实现方案 #

方案1：使用FunctionTransformer实现恒等变换（最直观） #

你需要的逻辑是原样输出所有输入特征，直接用scikit-learn内置的FunctionTransformer即可，它默认就是不做任何修改返回输入数据，完全可以替代你写的ColumnTransformer，代码修改后如下：

from sklearn.preprocessing import FunctionTransformer
from sklearn.pipeline import FeatureUnion, make_pipeline
from sklearn.decomposition import PCA

feature_selector = FeatureUnion(
    [
        ("original", FunctionTransformer()),  # 原样返回所有输入特征
        ("pca", PCA())
    ])
my_pipeline = make_pipeline(preprocessor, feature_selector, model)

这个方案完全符合scikit-learn的API规范，支持pipeline的fit、transform全流程，也兼容特征名追溯的get_feature_names_out方法。

方案2：使用全选特征选择器SelectKBest #

如果你希望用特征选择器类的组件实现全列选择，可以用SelectKBest指定k="all"，它会直接返回所有输入特征，也能满足需求：

from sklearn.feature_selection import SelectKBest

feature_selector = FeatureUnion(
    [
        ("original", SelectKBest(k="all")),  # 选择全部特征输出
        ("pca", PCA())
    ])

补充注意事项 #

PCA对特征尺度高度敏感，如果你的preprocessor步骤没有做标准化处理，建议给PCA部分加上标准化步骤，避免特征尺度差异影响PCA效果：

("pca", make_pipeline(StandardScaler(), PCA()))

内容的提问来源于stack exchange，提问作者abdelgha4