BinningProcess：binning_transform_params参数中的错误，metric = bins

问：

我想使用 BinningProcess 来转换 sklearn 管道中的列。但是，我希望 BinningProcess 返回 bins 而不是目标变量的平均值，以获得有意义的 bin 名称。

为了说明我的问题，我从 sklearn 管道中生成了一个示例。我对 BinningProcess 文档的理解是我可以处理 binning 输出格式

1. 在带有选项度量的 .transform 方法中。

df = pd.DataFrame({'continuous_feature': choices(range(0,30), k=95) + [np.NaN]*5,
                        'cat_feature': choices(['A', 'B', 'C'], k = 100),
                         'target' : [uniform(15,16) for x in range(0,100)]})

all_features = ["continuous_feature", "cat_feature"]
X = df.loc[:, all_features]
y = df.loc[:, 'target']

BinningProcess(all_features).fit_transform(X,y, metric = "bins")

这工作正常，我获得了所需的表格：

但是，由于我最终想在管道中使用 BinningProcess，因此我无法使用此 .transform 方法选项。

2. 或者在 BinningProcess 函数中使用选项 binning_transform_params

等效代码应为：

df = pd.DataFrame({'continuous_feature': choices(range(0,30), k=95) + [np.NaN]*5,
                    'cat_feature': choices(['A', 'B', 'C'], k = 100),
                     'target' : [uniform(15,16) for x in range(0,100)]})
all_features = ["continuous_feature", "cat_feature"]

X = df.loc[:, all_features]
y = df.loc[:, 'target']

BinningProcess(all_features,
               binning_transform_params = {"continuous_feature": {"metric": "bins"},
                                           "cat_feature": {"metric": "bins"}}).fit_transform(X,y)

不幸的是，这会产生一个错误

ValueError: could not convert string to float: '(-inf, 4.50)'

我能做些什么来防止这个错误？

另外，如果我使用“bins”以外的其他选项，例如“索引”，binning_transform_params效果很好：{"continuous_feature": {"metric": "indices"}, "cat_feature": {"metric": "indices"}}