RegressorMixin

классsklearn.base.RegressorMixin[source]

Миксин-класс для всех регрессионных оценщиков в scikit-learn.

Этот миксин определяет следующую функциональность:

• устанавливает тип оценщика в "regressor" через тег estimator_type;
• score метод, который по умолчанию принимает r2_score.
• обеспечивает, что fit требует, чтобы y было передано через тег requires_y, что делается путём установки тега типа регрессора.

Подробнее см. в Руководстве пользователя.

Примеры

>>> import numpy as np
>>> from sklearn.base import BaseEstimator, RegressorMixin
>>> # Mixin classes should always be on the left-hand side for a correct MRO
>>> class MyEstimator(RegressorMixin, BaseEstimator):
...     def __init__(self, *, param=1):
...         self.param = param
...     def fit(self, X, y=None):
...         self.is_fitted_ = True
...         return self
...     def predict(self, X):
...         return np.full(shape=X.shape[0], fill_value=self.param)
>>> estimator = MyEstimator(param=0)
>>> X = np.array([[1, 2], [2, 3], [3, 4]])
>>> y = np.array([-1, 0, 1])
>>> estimator.fit(X, y).predict(X)
array([0, 0, 0])
>>> estimator.score(X, y)
0.0

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

Возвращает коэффициент детерминации предсказания.

Коэффициент детерминации \(R^2\) определяется как \((1 - \frac{u}{v})\), где \(u\) — сумма квадратов остатков ((y_true - y_pred)** 2).sum() и \(v\) — общая сумма квадратов ((y_true - y_true.mean()) ** 2).sum(). Лучший возможный результат — 1.0, он может быть отрицательным (потому что модель может быть произвольно хуже). Модель, которая всегда предсказывает ожидаемое значение y, не учитывая входные признаки, получит значение \(R^2\) равное 0,0.

Параметры:

Xмассив-подобный, форма (n_samples, n_features)

Тестовые примеры. Для некоторых оценщиков это может быть предварительно вычисленная матрица ядер или список общих объектов вместо с формой (n_samples, n_samples_fitted), где n_samples_fitted — число выборок, используемых в подгонке для оценщика.

yмассив-подобный, форма (n_samples,) или (n_samples, n_outputs)

Истинные значения для X.

sample_weightмассив-подобный, форма (n_samples,), по умолчанию None

Веса выборок.

Возвращает:

scoreчисло с плавающей точкой

\(R^2\) от self.predict(X) по отношению к y.

Примечания

Значение \(R^2\), используемое при вызове score для регрессора, использует multioutput='uniform_average' с версии 0.23 для сохранения согласованности со значением по умолчанию r2_score. Это влияет на метод score всех многовыходных регрессоров (за исключением MultiOutputRegressor).

Примеры галереи

Маршрутизация метаданных