type_of_target#

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

确定目标变量的数据类型。

请注意，此类型是可推断出的最具体类型。例如

  • binary 更具体但与 multiclass 兼容。

  • 整数型 multiclass 更具体但与 continuous 兼容。

  • multilabel-indicator 更具体但与 multiclass-multioutput 兼容。

参数:
y{数组状, 稀疏矩阵}

目标值。如果是稀疏矩阵，则 y 预期为 CSR/CSC 矩阵。

input_namestr, 默认值=””

用于构建错误消息的数据名称。

在 1.1.0 版本中新增。

raise_unknownbool, 默认值=False

如果为 True，则当 type_of_target 返回的目标类型为 "unknown" 时，抛出错误。

在 1.6 版本中新增。

返回:
target_typestr

其中之一:

  • ‘continuous’（连续型）: y 是一个浮点数组成的数组状结构，并非全为整数，且是 1 维或列向量。

  • ‘continuous-multioutput’（连续型多输出）: y 是一个浮点数组成的 2 维数组，并非全为整数，且两个维度的大小都大于 1。

  • ‘binary’（二分类）: y 包含小于等于 2 个离散值，且是 1 维或列向量。

  • ‘multiclass’（多分类）: y 包含多于两个离散值，不是序列的序列，且是 1 维或列向量。

  • ‘multiclass-multioutput’（多分类多输出）: y 是一个包含多于两个离散值的 2 维数组，不是序列的序列，且两个维度的大小都大于 1。

  • ‘multilabel-indicator’（多标签指示器）: y 是一个标签指示矩阵，一个具有至少两列且最多两个唯一值的二维数组。

  • ‘unknown’（未知）: y 是数组状结构但不是上述任何一种，例如 3 维数组、序列的序列或非序列对象的数组。

示例

>>> 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'
本页目录