type_of_target#

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，此类型是最具体的可以推断的类型。例如：

  • binary 比 multiclass 更具体，但与其兼容。

  • 整数的 multiclass 比 continuous 更具体，但与其兼容。

  • multilabel-indicator 比 multiclass-multioutput 更具体，但与其兼容。

参数:
y{array-like, sparse matrix}

目标值。如果为稀疏矩阵，则 y 预计为 CSR/CSC 矩阵。

input_namestr, default=””

用于构建错误消息的数据名称。

版本 1.1.0 中添加。

raise_unknownbool, default=False

如果为 True，则当 type_of_target 返回的目标类型为 "unknown" 时，将引发错误。

版本 1.6 中新增。

返回:
target_typestr

以下之一：

  • ‘continuous’： y 是浮点数的 array-like，且不全是整数，并且是 1d 或列向量。

  • ‘continuous-multioutput’： y 是浮点数的 2d 数组，且不全是整数，并且两个维度的大小都大于 1。

  • ‘binary’： y 包含小于等于 2 个离散值，并且是 1d 或列向量。

  • ‘multiclass’： y 包含两个以上的离散值，不是序列的序列，并且是 1d 或列向量。

  • ‘multiclass-multioutput’： y 是一个 2d 数组，包含两个以上的离散值，不是序列的序列，并且两个维度的大小都大于 1。

  • ‘multilabel-indicator’： y 是一个标签指示器矩阵，一个具有至少两列的二维数组，并且最多有 2 个唯一值。

  • ‘unknown’： y 是 array-like，但不是以上任何一种，例如 3d 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'
在本页