validate_data

sklearn.utils.validation.validate_data(_estimator, /, X='no_validation', y='no_validation', reset=True, validate_separately=False, skip_check_array=False, **check_params)[исходный код]

Проверяет входные данные и задаёт или проверяет имена и количество признаков входных данных.

Эту вспомогательную функцию следует использовать в оценщике, которому требуется проверка входных данных. Она изменяет оценщик и задаёт атрибуты n_features_in_ и feature_names_in_, если reset=True.

Добавлено в версии 1.6.

Параметры:

_estimatorэкземпляр оценщика

Оценщик, для которого проверяются входные данные.

X{array-like, sparse matrix, dataframe} формы (n_samples, n_features), по умолчанию ’no validation’

Входные выборки. Если 'no_validation', проверка X не выполняется. Это полезно для метаоценщиков, которые могут делегировать проверку входных данных своим базовым оценщикам. В этом случае необходимо передать y, а допустимы только check_params: multi_output и y_numeric.

yarray-like формы (n_samples,), по умолчанию ’no_validation’

Целевые значения.

• Если None, для X вызывается check_array. Если тег requires_y оценщика имеет значение True, будет вызвана ошибка.
• Если 'no_validation', для X вызывается check_array, а тег requires_y оценщика игнорируется. Это значение-заполнитель по умолчанию, которое не предназначено для явной установки. В этом случае необходимо передать X.
• В противном случае проверяются только y с _check_y или одновременно X и y с помощью check_array либо check_X_y в зависимости от validate_separately.

resetbool, по умолчанию=True

Следует ли сбросить атрибут n_features_in_. Если значение False, входные данные проверяются на соответствие данным, переданным при последнем вызове со значением reset=True.

Примечание

Рекомендуется вызывать reset=True в fit и при первом вызове partial_fit. Во всех остальных методах, проверяющих X, следует задавать reset=False.

validate_separatelyFalse или кортеж словарей, по умолчанию=False

Используется только если y не равно None. Если False, вызывается check_X_y. В противном случае это должен быть кортеж kwargs, используемых для вызова check_array соответственно для X и y.

К этим словарям автоматически добавляется estimator=self, чтобы сделать сообщение об ошибке более информативным в случае некорректных входных данных.

skip_check_arraybool, по умолчанию=False

Если True, X и y остаются без изменений, а проверяются только feature_names_in_ и n_features_in_. В противном случае для X и y вызывается check_array.

**check_paramskwargs

Параметры, передаваемые в check_array или check_X_y. Игнорируются, если validate_separately не равно False.

К этим параметрам автоматически добавляется estimator=self, чтобы сделать сообщение об ошибке более информативным в случае некорректных входных данных.

Возвращает:

out{ndarray, sparse matrix} или кортеж таких объектов

Проверенные входные данные. Кортеж возвращается, если проверены и X, и y.

Примеры из галереи

Основные нововведения scikit-learn 1.6