type_of_target

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

Определяет тип данных, указанный целевым значением.

Обратите внимание, что этот тип является наиболее конкретным типом, который можно определить. Например:

• binary является более конкретным, но совместимым с multiclass.
• multiclass целых чисел является более конкретным, но совместимым с continuous.
• multilabel-indicator является более конкретным, но совместимым с multiclass-multioutput.

Параметры:

y{array-like, sparse matrix}

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

input_namestr, default=””

Имя данных, используемое для формирования сообщения об ошибке.

Добавлено в версии 1.1.0.

raise_unknownbool, default=False

Если True, вызывает ошибку, когда тип целевых данных, возвращаемый type_of_target, равен "unknown".

Добавлено в версии 1.6.

Возвращает:

target_typestr

Одно из значений:

• ‘continuous’: y — массивоподобный объект с вещественными числами, не являющимися целыми, одномерный или вектор-столбец.
• ‘continuous-multioutput’: y — двумерный массив с вещественными числами, не являющимися целыми; размер обеих размерностей больше 1.
• ‘binary’: y содержит не более двух дискретных значений и является одномерным массивом или вектором-столбцом.
• ‘multiclass’: y содержит более двух дискретных значений, не является последовательностью последовательностей и является одномерным массивом или вектором-столбцом.
• ‘multiclass-multioutput’: y — двумерный массив, содержащий более двух дискретных значений, не являющийся последовательностью последовательностей; размер обеих размерностей больше 1.
• ‘multilabel-indicator’: y — матрица-индикатор меток, двумерный массив как минимум с двумя столбцами и не более чем двумя уникальными значениями.
• ‘unknown’: y — массивоподобный объект, не соответствующий ни одному из перечисленных выше типов, например трёхмерный массив, последовательность последовательностей или массив объектов, не являющихся 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'