“超过最大递归深度”的LabelBinarizer继承类

Question

我从LabelBinarizer创建了一个定制的编码器类。下面是它的样子

class my_lb(LabelBinarizer):

  def fit(self, X, y=None):
    self.fit(X)

  def transform(self, X, y=None):
    return self.transform(X)

  def fit_transform(self, X, y=None):
    return self.fit(X).transform(X)

我有一个“超过最大递归深度”的错误，发生在fit方法中。我在网上做了一些笔记：

class my_lb(LabelBinarizer):

  def __init__(self):
    super().__init__()

  def fit(self, X, y=None):
    super().fit(X)

  def transform(self, X, y=None):
    return super().transform(X)

  def fit_transform(self, X, y=None):
    return super().fit(X).transform(X)

但我的问题是，它如何解决我的问题？我可以在这里的其他文章中理解原因（我可以看到正在构造一个显式无限循环），但是我阅读了LabelBinarizer的代码，我觉得这很正常。我找不到任何可能引起无限循环的东西。你知道吗

def fit(self, y): 
        self.y_type_ = type_of_target(y)
        if 'multioutput' in self.y_type_:
             raise ValueError("Multioutput target data is not supported with "
                              "label binarization")
        if _num_samples(y) == 0:
            raise ValueError('y has 0 samples: %r' % y)
        self.sparse_input_ = sp.issparse(y)
        self.classes_ = unique_labels(y)
        return self

有人能告诉我我在这里错过了什么吗？当我创建继承类时，它还可以帮助我更好地了解何时需要super。你知道吗

Answer 1

在更改为调用super()之前，调用所示的任何一个方法都会导致无限递归。fit和transform是显而易见的，它们只是调用自己，因此如果调用它们，它们将永远不会返回，并且您将超过最大递归深度。你知道吗

另一方面，fit_transform正在调用self.fit(X).transform(X)。所以它做的第一件事就是调用self.fit(X)，它一遍又一遍地调用自己，直到错误发生。你知道吗

另一方面，修改后的版本通过对super()的调用将调用传递给fit和transform的父类版本，因此它们不调用自己。事实上，有了这些调用，您甚至不需要从fit_transform调用super()。你知道吗

但最好的解决方法是简单地删除派生类中fit和transform的定义，并从fit_transform中删除对super()的调用，这是不需要的。你知道吗