目标类型#

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

确定目标指示的数据类型。

请注意，此类型是可以推断出的最具体的类型。例如

binary 更具体，但与 multiclass 兼容。
multiclass 整数更具体，但与 continuous 兼容。
multilabel-indicator 更具体，但与 multiclass-multioutput 兼容。

参数：

y{数组、稀疏矩阵}: 目标值。如果是一个稀疏矩阵，则预期y为 CSR/CSC 矩阵。
input_namestr，默认为“”: 用于构建错误消息的数据名称。

1.1.0 版本新增。
raise_unknownbool，默认为False: 如果True，则当type_of_target返回的目标类型为"unknown"时，引发错误。

1.6 版本新增。

返回:

target_typestr

其中之一：

‘continuous’：y是一个浮点数数组，并非全是整数，并且是一维数组或列向量。
‘continuous-multioutput’：y是一个二维浮点数数组，并非全是整数，并且两个维度的大小都大于 1。
‘binary’：y包含 <= 2 个离散值，并且是一维数组或列向量。
‘multiclass’：y包含超过两个离散值，不是序列的序列，并且是一维数组或列向量。
‘multiclass-multioutput’：y是一个二维数组，包含超过两个离散值，不是序列的序列，并且两个维度的大小都大于 1。
‘multilabel-indicator’：y是一个标签指示矩阵，一个至少有两列、最多两个唯一值的二维数组。
‘unknown’：y是数组类型，但不是以上任何一种，例如三维数组、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'