验证数据#
- sklearn.utils.validation.validate_data(_estimator, /, X='no_validation', y='no_validation', reset=True, validate_separately=False, skip_check_array=False, **check_params)[source]#
验证输入数据并设置或检查输入的特征名称和计数。
此辅助函数应用于需要输入验证的估计器。如果
reset=True，则会修改估计器并设置n_features_in_和feature_names_in_属性。1.6 版本新增。
- 参数：
- _estimator估计器实例
用于验证输入的估计器。
- X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵、数据框}，默认为“no validation”
输入样本。如果为
'no_validation'，则不会对X进行验证。这对于元估计器非常有用，元估计器可以将其输入验证委托给其底层估计器。在这种情况下，必须传递y，并且唯一可接受的check_params是multi_output和y_numeric。- y形状为 (n_samples,) 的数组，默认为“no_validation”
目标值。
如果为
None，则会对X调用check_array。如果估计器的requires_y标记为 True，则会引发错误。如果为
'no_validation'，则会对X调用check_array，并且忽略估计器的requires_y标记。这是一个默认占位符，决不应显式设置。在这种情况下，必须传递X。否则，仅使用
y与_check_y，或者使用X和y进行检查，具体取决于validate_separately，使用check_array或check_X_y。
- reset布尔值，默认为 True
是否重置
n_features_in_属性。如果为 False，则会检查输入与上次重置为 True 时提供的数据的一致性。注意
建议在
fit和第一次调用partial_fit时调用reset=True。所有其他验证X的方法都应设置reset=False。- validate_separatelyFalse 或字典元组，默认为 False
仅当
y不为None时使用。如果为False，则调用check_X_y。否则，它必须是一个关键字参数元组，用于对X和y分别调用check_array。estimator=self会自动添加到这些字典中，以便在输入数据无效时生成更具信息量的错误消息。- skip_check_array布尔值，默认为 False
如果为
True，则X和y保持不变，只检查feature_names_in_和n_features_in_。否则，对X和y调用check_array。- **check_params关键字参数
传递给
check_array或check_X_y的参数。如果validate_separately不为False，则忽略。estimator=self会自动添加到这些参数中，以便在输入数据无效时生成更具信息量的错误消息。
- 返回：
- out{ndarray, 稀疏矩阵}或这些类型的元组
经验证的输入。如果同时验证了
X和y，则返回一个元组。
