econml.iv.sieve.HermiteFeatures

class econml.iv.sieve.HermiteFeatures(degree, shift=0, joint=False)

基类: sklearn.base.TransformerMixin

特征化器，返回（未缩放的）Hermite 函数评估。

评估的函数度数为 0 到 degree，微分了 shift 次。

如果输入形状为 (n, x) 且 joint 为 False，则当 shift 为 0 时，输出形状将为 (n, (degree + 1) × x)。如果输入形状为 (n, x) 且 joint 为 True，则当 shift 为 0 时，输出形状将为 (n, (degree + 1) ^ x)。在任一情况下，如果 shift 非零，则在第一个和最后一个维度之间将有 shift 个额外的大小为 x 的维度。

__init__(degree, shift=0, joint=False)

方法

__init__(degree[, shift, joint])
fit(X)	拟合数据（此类的 NOP）并返回 self。
fit_transform(X[, y])	拟合数据，然后转换它。
set_output(*[, transform])	设置输出容器。
transform(X)	通过应用适当的 Hermite 函数来转换数据。

fit(X)

拟合数据（此类的 NOP）并返回 self。

fit_transform(X, y=None, **fit_params)

拟合数据，然后转换它。

使用可选参数 fit_params 将转换器拟合到 X 和 y，并返回 X 的转换版本。

参数

• X (形状为 (n_samples, n_features) 的类数组) – 输入样本。

• y (形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组, 默认=None) – 目标值（无监督转换时为 None）。

• **fit_params (dict) – 其他拟合参数。

返回

X_new – 转换后的数组。

返回类型

形状为 (n_samples, n_features_new) 的 ndarray 数组

set_output(*, transform=None)

设置输出容器。

请参阅 介绍 set_output API 获取如何使用此 API 的示例。

参数

transform ({“default”, “pandas”}, 默认=None) – 配置 transform 和 fit_transform 的输出。

• “default”：转换器的默认输出格式

• “pandas”：DataFrame 输出

• None：转换配置保持不变

返回

self – 估计器实例。

返回类型

估计器实例

transform(X)

通过应用适当的 Hermite 函数来转换数据。

参数

X (类数组) – 输入特征的二维数组

返回类型

转换后的数据