sklearn.utils

Verschiedene Hilfsprogramme zur Unterstützung der Entwicklung.

Entwicklerhandbuch. Weitere Details finden Sie im Abschnitt Hilfsprogramme für Entwickler.

Bunch	Container-Objekt, das Schlüssel als Attribute verfügbar macht.
_safe_indexing	Gibt Zeilen, Elemente oder Spalten von X anhand von Indizes zurück.
as_float_array	Konvertiert ein Array-ähnliches Objekt in ein Array von Gleitkommazahlen.
assert_all_finite	Löst einen ValueError aus, wenn X NaN oder Unendlichkeit enthält.
deprecated	Decorator, um eine Funktion oder Klasse als veraltet zu markieren.
estimator_html_repr	Erstellt eine HTML-Darstellung eines Schätzers.
gen_batches	Generator zum Erstellen von Slices, die batch_size Elemente von 0 bis n enthalten.
gen_even_slices	Generator zum Erstellen von n_packs gleichmäßig verteilten Slices bis n.
indexable	Macht Arrays für die Kreuzvalidierung indizierbar.
murmurhash3_32	Berechnet den 32-Bit-Murmurhash3 von Schlüssel bei Seed.
resample	Resampelt Arrays oder spärliche Matrizen auf konsistente Weise.
safe_mask	Gibt eine Maske zurück, die sicher auf X angewendet werden kann.
safe_sqr	Elementweise Quadrierung von Array-ähnlichen Objekten und spärlichen Matrizen.
shuffle	Mischt Arrays oder spärliche Matrizen auf konsistente Weise.
Tags	Tags für den Schätzer.
InputTags	Tags für die Eingabedaten.
TargetTags	Tags für die Zieldaten.
ClassifierTags	Tags für den Klassifikator.
RegressorTags	Tags für den Regressor.
TransformerTags	Tags für den Transformator.
get_tags	Schätzertags abrufen.

Eingabe- und Parameterüberprüfung

Funktionen zur Überprüfung von Eingaben und Parametern innerhalb von scikit-learn-Estimatorn.

check_X_y	Eingabevalidierung für Standard-Schätzer.
check_array	Eingabevalidierung für ein Array, eine Liste, eine spärliche Matrix oder ähnliches.
check_consistent_length	Prüft, ob alle Arrays konsistente erste Dimensionen haben.
check_random_state	Wandelt Seed in eine np.random.RandomState Instanz um.
check_scalar	Validiert den Typ und Wert von Skalarparametern.
validation.check_is_fitted	Führt eine is_fitted-Validierung für den Schätzer durch.
validation.check_memory	Prüft, ob memory vom Typ joblib.Memory-ähnlich ist.
validation.check_symmetric	Stellt sicher, dass das Array 2D, quadratisch und symmetrisch ist.
validation.column_or_1d	Ravel-Spalte oder 1D-NumPy-Array, andernfalls wird ein Fehler ausgelöst.
validation.has_fit_parameter	Prüft, ob die Fit-Methode des Estimators den angegebenen Parameter unterstützt.
validation.validate_data	Validiert Eingabedaten und setzt oder prüft die Merkmalsnamen und die Anzahl der Eingaben.

Meta-Estimator

Hilfsprogramme für Meta-Estimator.

metaestimators.available_if

Ein Attribut, das nur verfügbar ist, wenn check einen wahrheitsgemäßen Wert zurückgibt.

Gewichtsbehandlung basierend auf Klassenetiketten

Hilfsprogramme zur Handhabung von Gewichten basierend auf Klassenetiketten.

class_weight.compute_class_weight	Schätzt Klassengewichte für unausgeglichene Datensätze.
class_weight.compute_sample_weight	Schätzt Stichprobengewichte nach Klasse für unausgeglichene Datensätze.

Umgang mit Multiklassen-Zielvariablen in Klassifikatoren

Hilfsprogramme zur Handhabung von Multiklassen-/Multioutput-Zielvariablen in Klassifikatoren.

multiclass.is_multilabel	Prüft, ob y im Multilabel-Format vorliegt.
multiclass.type_of_target	Bestimmt den Datentyp, der durch das Ziel angezeigt wird.
multiclass.unique_labels	Extrahiert ein geordnetes Array eindeutiger Labels.

Optimale mathematische Operationen

Hilfsprogramme zur Durchführung optimaler mathematischer Operationen in scikit-learn.

extmath.density	Berechnet die Dichte eines spärlichen Vektors.
extmath.fast_logdet	Berechnet den Logarithmus der Determinante einer quadratischen Matrix.
extmath.randomized_range_finder	Berechnet eine orthonormale Matrix, deren Bereich den Bereich von A annähert.
extmath.randomized_svd	Berechnet eine trunkierte, zufällige SVD.
extmath.safe_sparse_dot	Skalarprodukt, das den Fall von spärlichen Matrizen korrekt behandelt.
extmath.weighted_mode	Gibt ein Array des gewichteten modalen (häufigsten) Wertes im übergebenen Array zurück.

Arbeiten mit dünnbesetzten Matrizen und Arrays

Eine Sammlung von Hilfsprogrammen zur Arbeit mit dünnbesetzten Matrizen und Arrays.

sparsefuncs.incr_mean_variance_axis	Berechnet inkrementell Mittelwert und Varianz entlang einer Achse auf einer CSR- oder CSC-Matrix.
sparsefuncs.inplace_column_scale	In-place Spaltenskalierung einer CSC/CSR-Matrix.
sparsefuncs.inplace_csr_column_scale	In-place Spaltenskalierung einer CSR-Matrix.
sparsefuncs.inplace_row_scale	In-place Zeilenskalierung einer CSR- oder CSC-Matrix.
sparsefuncs.inplace_swap_column	Tauscht zwei Spalten einer CSC/CSR-Matrix in-place.
sparsefuncs.inplace_swap_row	Tauscht zwei Zeilen einer CSC/CSR-Matrix in-place.
sparsefuncs.mean_variance_axis	Berechnet Mittelwert und Varianz entlang einer Achse auf einer CSR- oder CSC-Matrix.

Hilfsprogramme zur Arbeit mit dünnbesetzten Matrizen und Arrays, geschrieben in Cython.

sparsefuncs_fast.inplace_csr_row_normalize_l1	Normalisiert inplace die Zeilen einer CSR-Matrix oder eines Arrays nach ihrer L1-Norm.
sparsefuncs_fast.inplace_csr_row_normalize_l2	Normalisiert inplace die Zeilen einer CSR-Matrix oder eines Arrays nach ihrer L2-Norm.

Arbeiten mit Graphen

Graph-Hilfsprogramme und Algorithmen.

graph.single_source_shortest_path_length

Gibt die Länge des kürzesten Pfades von der Quelle zu allen erreichbaren Knoten zurück.

Zufällige Stichprobenentnahme

Hilfsprogramme für die zufällige Stichprobenentnahme.

random.sample_without_replacement

Ganzzahlen ohne Zurücklegen ziehen.

Hilfsfunktionen, die auf Arrays operieren

Eine kleine Sammlung von Hilfsfunktionen, die auf Arrays operieren.

arrayfuncs.min_pos

Findet den Minimalwert eines Arrays über positive Werte.

Metadaten-Routing

Hilfsprogramme zum Routen von Metadaten innerhalb von scikit-learn-Estimatorn.

Benutzerhandbuch. Weitere Details finden Sie im Abschnitt Metadaten-Routing.

metadata_routing.MetadataRequest	Enthält die Metadaten-Anfrageinformationen eines Konsumenten.
metadata_routing.MetadataRouter	Koordiniert Metadaten-Routing für ein Router-Objekt.
metadata_routing.MethodMapping	Speichert die Zuordnung zwischen Aufrufer- und Aufgerufenen-Methoden für einen Router.
metadata_routing.get_routing_for_object	Holt eine Metadata{Router, Request}-Instanz aus dem gegebenen Objekt.
metadata_routing.process_routing	Validiert und routet Metadaten.

Entdecken von scikit-learn-Objekten

Hilfsprogramme zum Entdecken von scikit-learn-Objekten.

discovery.all_displays	Gibt eine Liste aller Anzeigen aus sklearn zurück.
discovery.all_estimators	Gibt eine Liste aller Schätzer aus sklearn zurück.
discovery.all_functions	Gibt eine Liste aller Funktionen aus sklearn zurück.

API-Kompatibilitätsprüfer

Verschiedene Hilfsprogramme zur Überprüfung der Kompatibilität von Estimatorn mit der scikit-learn API.

estimator_checks.check_estimator	Prüft, ob der Schätzer den Konventionen von Scikit-learn entspricht.
estimator_checks.parametrize_with_checks	Pytest-spezifischer Decorator zum Parametrisieren von Schätzer-Checks.
estimator_checks.estimator_checks_generator	Gibt iterativ alle Check-Aufrufe für einen Schätzer zurück.

Parallele Berechnung

Anpassungen von joblib und threadpoolctl Tools für die scikit-learn-Nutzung.

parallel.Parallel	Abwandlung von joblib.Parallel, die die Scikit-learn-Konfiguration weitergibt.
parallel.delayed	Decorator zum Erfassen der Argumente einer Funktion.