type_of_target

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

Определить тип данных, указанных в целевой переменной.

Обратите внимание, что этот тип является наиболее специфичным типом, который можно вывести. Например:

• binary более специфичен, но совместим с multiclass.
• multiclass целых чисел более специфичен, но совместим с continuous.
• multilabel-indicator более специфичен, но совместим с multiclass-multioutput.

Параметры:

y{array-like, sparse matrix}

Целевые значения. Если разреженная матрица, то y ожидается, что это будет матрица CSR/CSC.

input_namestr, по умолчанию=””

Имя данных, используемое для построения сообщения об ошибке.

Добавлен в версии 1.1.0.

raise_unknownbool, по умолчанию=False

Если True, генерировать ошибку, когда тип целевой переменной, возвращаемый type_of_target, является "unknown".

Добавлен в версии 1.6.

Возвращает:

target_typestr

Один из:

• ‘continuous’: y – это массив-подобный объект с плавающей точкой, не все элементы которого являются целыми числами, и он одномерный или вектор-столбец.
• ‘continuous-multioutput’: y – это двумерный массив с плавающей точкой, не все элементы которого являются целыми числами, и обе размерности больше 1.
• ‘binary’: y содержит <= 2 дискретных значения и является одномерным или вектором-столбцом.
• ‘multiclass’: y содержит более двух дискретных значений, не является последовательностью последовательностей и является одномерным или вектором-столбцом.
• ‘multiclass-multioutput’: y – это двумерный массив, который содержит более двух дискретных значений, не является последовательностью последовательностей, и обе размерности больше 1.
• ‘multilabel-indicator’: y – это матрица индикатора меток, двумерный массив с по крайней мере двумя столбцами и не более чем 2 уникальными значениями.
• ‘unknown’: y – это массив-подобный объект, но не попадает ни под одну из вышеперечисленных категорий, например, трехмерный массив, последовательность последовательностей или массив объектов, которые не являются последовательностями.

Примеры

>>> 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'