type_of_target#

sklearn.utils.multiclass.type_of_target(y, input_name='', raise_unknown=False)[Quelle]#

Bestimmt den Datentyp, der durch das Ziel angezeigt wird.

Beachten Sie, dass dieser Typ der spezifischste Typ ist, der abgeleitet werden kann. Zum Beispiel:

binary ist spezifischer, aber kompatibel mit multiclass.
multiclass von ganzen Zahlen ist spezifischer, aber kompatibel mit continuous.
multilabel-indicator ist spezifischer, aber kompatibel mit multiclass-multioutput.

Parameter:

y{array-ähnlich, sparse matrix}: Zielwerte. Wenn eine sparse matrix, wird y als CSR/CSC-Matrix erwartet.
input_namestr, Standard=””: Der Name der Daten, der zur Erstellung der Fehlermeldung verwendet wird.

Hinzugefügt in Version 1.1.0.
raise_unknownbool, Standard=False: Wenn True, wird ein Fehler ausgelöst, wenn der von type_of_target zurückgegebene Zieltyp "unknown" ist.

Hinzugefügt in Version 1.6.

Gibt zurück:

target_typestr

Einer von:

‘continuous’: y ist ein Array-ähnlicher Datentyp aus Gleitkommazahlen, die nicht alle ganze Zahlen sind, und ist 1D oder ein Spaltenvektor.
‘continuous-multioutput’: y ist ein 2D-Array aus Gleitkommazahlen, die nicht alle ganze Zahlen sind, und beide Dimensionen sind größer als 1.
‘binary’: y enthält <= 2 diskrete Werte und ist 1D oder ein Spaltenvektor.
‘multiclass’: y enthält mehr als zwei diskrete Werte, ist keine Sequenz von Sequenzen und ist 1D oder ein Spaltenvektor.
‘multiclass-multioutput’: y ist ein 2D-Array, das mehr als zwei diskrete Werte enthält, keine Sequenz von Sequenzen ist und beide Dimensionen größer als 1 sind.
‘multilabel-indicator’: y ist eine Label-Indikator-Matrix, ein Array mit zwei Dimensionen und mindestens zwei Spalten, und höchstens 2 eindeutige Werte.
‘unknown’: y ist array-ähnlich, aber keiner der obigen Fälle, z. B. ein 3D-Array, eine Sequenz von Sequenzen oder ein Array von Nicht-Sequenz-Objekten.

Beispiele

>>> from sklearn.utils.multiclass import type_of_target
>>> import numpy as np
>>> type_of_target([0.1, 0.6])
'continuous'
>>> type_of_target([1, -1, -1, 1])
'binary'
>>> type_of_target(['a', 'b', 'a'])
'binary'
>>> type_of_target([1.0, 2.0])
'binary'
>>> type_of_target([1, 0, 2])
'multiclass'
>>> type_of_target([1.0, 0.0, 3.0])
'multiclass'
>>> type_of_target(['a', 'b', 'c'])
'multiclass'
>>> type_of_target(np.array([[1, 2], [3, 1]]))
'multiclass-multioutput'
>>> type_of_target([[1, 2]])
'multilabel-indicator'
>>> type_of_target(np.array([[1.5, 2.0], [3.0, 1.6]]))
'continuous-multioutput'
>>> type_of_target(np.array([[0, 1], [1, 1]]))
'multilabel-indicator'

type_of_target#

Diese Seite