Evan Aad's questions

Usei um notebook Polyglot do Visual Studio Code e escrevi o seguinte em 3 células separadas, na ordem indicada abaixo.

Célula 1:

class Z;

Célula 2:

class A
{
    public static void f()
    {
        Console.WriteLine(Z.x);
    }
}

Célula 3:

class Z: A
{
    public static int x = 42;
}

Em seguida, executei as células em ordem e recebi a seguinte mensagem de erro.

'Z' does not contain a definition for 'x'

Minha pergunta original foi:

É possível, em C#, escrever uma classe (possivelmente abstrata) Aque tenha uma função (possivelmente estática) com assinatura void f(B b), cujo tipo de parâmetro Bé uma classe (possivelmente abstrata) derivada de A( class B: A {...})? Se não, por que não?

e foi intitulado Uma classe C# pode usar uma classe derivada?

Aceitei a resposta abaixo com base nesta formulação. Esta formulação foi posteriormente excluída por outro usuário que editou minha pergunta e alterou seu título.

Como posso obter os nomes dos recursos de um OneHotEncoder incorporado em um ColumnTransformer?

O seguinte trecho de código:

import pandas as pd
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder

df = pd.DataFrame(data = [[1],[2]], columns = ['C'])
ohe = OneHotEncoder(sparse_output = False)
transformer = ColumnTransformer(transformers = [('encoder', ohe, ['C'])])
transformer.fit_transform(df)
ohe.get_feature_names_out()

resulta na seguinte mensagem de erro:

NotFittedError                            Traceback (most recent call last)
<ipython-input-1-46f41a3cf71a> in <cell line: 10>()
      8 transformer = ColumnTransformer(transformers = [('encoder', ohe, ['C'])])
      9 transformer.fit_transform(df)
---> 10 ohe.get_feature_names_out()

1 frames
/usr/local/lib/python3.10/dist-packages/sklearn/utils/validation.py in check_is_fitted(estimator, attributes, msg, all_or_any)
   1388 
   1389     if not fitted:
-> 1390         raise NotFittedError(msg % {"name": type(estimator).__name__})
   1391 
   1392 

NotFittedError: This OneHotEncoder instance is not fitted yet. Call 'fit' with appropriate arguments before using this estimator.

Por que?

Estou tentando entender scikit-learnPipelines.

De acordo com uma nota no guia do usuário do scikit, um pipeline "possui todos os métodos que o último estimador do pipeline possui".

Então escrevi minha própria classe de estimador com um método chamado myfun, usei um objeto desta classe como a última etapa em uma nova instância de Pipeline e chamei- myfuno:

class MyEstimator:
    def __init__(self):
        pass
    def fit(self, X, y):
        return self    
    def myfun(self):
        return None

from sklearn.pipeline import make_pipeline
pipe = make_pipeline(MyEstimator())
pipe.myfun()

Isso resultou na seguinte mensagem de erro:

    pipe.myfun()
    ^^^^^^^^^^
AttributeError: 'Pipeline' object has no attribute 'myfun'

Evidentemente, ao contrário das afirmações do guia do usuário, um pipeline não possui todos os métodos que o último estimador do pipeline possui.

Então eu me pergunto: quais métodos (mais precisamente, assinaturas de métodos) de seu último estimador um pipeline possui?