OutputCodeClassifier#

class sklearn.multiclass.OutputCodeClassifier(estimator, *, code_size=1.5, random_state=None, n_jobs=None)[source]#

（纠错）输出代码多类策略。

基于输出码的策略包括用一个二进制码（由0和1组成的数组）来表示每个类别。在拟合时，为码本中的每个位拟合一个二元分类器。在预测时，分类器用于将新点投影到类别空间中，并选择最接近这些点的类别。这些策略的主要优点是用户可以控制使用的分类器数量，既可以用于压缩模型（0 < code_size < 1），也可以用于使模型对错误更具鲁棒性（code_size > 1）。有关更多详细信息，请参阅文档。

在用户指南中阅读更多内容。

参数:
estimator估计器对象

实现fit以及decision_function或predict_proba之一的估计器对象。

code_sizefloat, default=1.5

用于创建码本的类别数量百分比。介于0和1之间的数字将需要比一对多更少的分类器。大于1的数字将需要比一对多更多的分类器。

random_stateint, RandomState instance, default=None

用于初始化码本的生成器。传入一个整数可以在多次函数调用中获得可重现的输出。请参阅Glossary。

n_jobsint, default=None

用于计算的作业数：多类别问题并行计算。

None 表示 1，除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有处理器。有关更多详细信息，请参阅词汇表。

属性:
estimators_list of int(n_classes * code_size) estimators

用于预测的估计器。

classes_ndarray of shape (n_classes,)

包含标签的数组。

code_book_ndarray of shape (n_classes, len(estimators_))

包含每个类别的码的二进制数组。

n_features_in_int

在 fit 期间看到的特征数。仅当底层估计器在拟合时暴露此属性时才定义。

0.24 版本新增。

feature_names_in_shape 为 (n_features_in_,) 的 ndarray

拟合 期间看到的特征名称。仅当底层估计器在拟合时公开此类属性时才定义。

1.0 版本新增。

另请参阅

OneVsRestClassifier

一对全多类别策略。

OneVsOneClassifier

一对一多类策略。

References

[1]

“Solving multiclass learning problems via error-correcting output codes”, Dietterich T., Bakiri G., Journal of Artificial Intelligence Research 2, 1995.

[2]

“The error coding method and PICTs”, James G., Hastie T., Journal of Computational and Graphical statistics 7, 1998.

[3]

“The Elements of Statistical Learning”, Hastie T., Tibshirani R., Friedman J., page 606 (second-edition) 2008.

示例

>>> from sklearn.multiclass import OutputCodeClassifier
>>> from sklearn.ensemble import RandomForestClassifier
>>> from sklearn.datasets import make_classification
>>> X, y = make_classification(n_samples=100, n_features=4,
...                            n_informative=2, n_redundant=0,
...                            random_state=0, shuffle=False)
>>> clf = OutputCodeClassifier(
...     estimator=RandomForestClassifier(random_state=0),
...     random_state=0).fit(X, y)
>>> clf.predict([[0, 0, 0, 0]])
array([1])
fit(X, y, **fit_params)[source]#

拟合底层估计器。

参数:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

数据。

yarray-like of shape (n_samples,)

多类别目标。

**fit_paramsdict

传递给每个子估计器的 estimator.fit 方法的参数。

1.4 版本新增： 仅当 enable_metadata_routing=True 时可用。有关更多详细信息，请参阅 元数据路由用户指南。

返回:
selfobject

Returns a fitted instance of self.

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查阅 用户指南，了解路由机制如何工作。

1.4 版本新增。

返回:
routingMetadataRouter

封装路由信息的 MetadataRouter。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:
deepbool, default=True

如果为 True，将返回此估计器以及包含的子对象（如果它们是估计器）的参数。

返回:
paramsdict

参数名称映射到其值。

predict(X)[source]#

使用底层估计器预测多类别目标。

参数:
Xshape 为 (n_samples, n_features) 的 {array-like, sparse matrix}

数据。

返回:
yndarray of shape (n_samples,)

预测的多类别目标。

score(X, y, sample_weight=None)[source]#

返回在提供的数据和标签上的 准确率 (accuracy)。

在多标签分类中，这是子集准确率 (subset accuracy)，这是一个严格的指标，因为它要求每个样本的每个标签集都被正确预测。

参数:
Xshape 为 (n_samples, n_features) 的 array-like

测试样本。

yshape 为 (n_samples,) 或 (n_samples, n_outputs) 的 array-like

X 的真实标签。

sample_weightshape 为 (n_samples,) 的 array-like, default=None

样本权重。

返回:
scorefloat

self.predict(X) 相对于 y 的平均准确率。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，以便可以更新嵌套对象的每个组件。

参数:
**paramsdict

估计器参数。

返回:
selfestimator instance

估计器实例。

set_score_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → OutputCodeClassifier[source]#

配置是否应请求元数据以传递给 score 方法。

请注意，此方法仅在以下情况下相关：此估计器用作 元估计器 中的子估计器，并且通过 enable_metadata_routing=True 启用了元数据路由（请参阅 sklearn.set_config）。请查看 用户指南 以了解路由机制的工作原理。

每个参数的选项如下：

  • True：请求元数据，如果提供则传递给 score。如果未提供元数据，则忽略该请求。

  • False：不请求元数据，元估计器不会将其传递给 score。

  • None：不请求元数据，如果用户提供元数据，元估计器将引发错误。

  • str：应将元数据以给定别名而不是原始名称传递给元估计器。

默认值 (sklearn.utils.metadata_routing.UNCHANGED) 保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

在版本 1.3 中新增。

参数:
sample_weightstr, True, False, or None, default=sklearn.utils.metadata_routing.UNCHANGED

score 方法中 sample_weight 参数的元数据路由。

返回:
selfobject

更新后的对象。