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)[source]

Проверка входных данных и установка или проверка имён и количества признаков входных данных.

Эта вспомогательная функция должна использоваться в оценщике, требующем проверки входных данных. Она изменяет оценщик и устанавливает атрибуты n_features_in_ и feature_names_in_, если reset=True.

Добавлена в версии 1.6.

Параметры:

_estimatorэкземпляр оценщика

Оценка для проверки входных данных.

X{массив-подобный объект, разреженная матрица, DataFrame} формы (n_samples, n_features), по умолчанию ‘нет проверки’

Входящие образцы. Если 'no_validation', проверка X не выполняется. Это полезно для мета-оценщиков, которые могут делегировать проверку входных данных своим базовым оценщикам. В этом случае y должен быть передан, и единственными допустимыми check_params являются multi_output и y_numeric.

yмассив-подобный объект формы (n_samples,), по умолчанию ‘нет проверки’

Целевые значения.

• Если None, check_array вызывается для X. Если тег оценщика requires_y равен True, то будет возбуждено исключение.
• Если 'no_validation', check_array вызывается для X, и тег оценщика requires_y игнорируется. Это стандартный заполнитель и не предназначен для явного задания. В этом случае X должен быть передан.
• В противном случае проверяются только y с _check_y или оба X и y с помощью либо check_array, либо check_X_y в зависимости от validate_separately.

resetbool, по умолчанию=True

Нужно ли сбросить атрибут n_features_in_. Если False, входные данные проверяются на соответствие данным, предоставленным при последнем значении reset, равном True.

Примечание

Рекомендуется вызывать reset=True в fit и в первом вызове partial_fit. Все остальные методы, проверяющие X, должны устанавливать reset=False.

validate_separatelyFalse или кортеж словарей, по умолчанию=False

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

estimator=self автоматически добавляется к этим словарям для создания более информативных сообщений об ошибках в случае невалидных входных данных.

skip_check_arraybool, по умолчанию=False

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

**check_paramskwargs

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

estimator=self автоматически добавляется к этим параметрам для создания более информативных сообщений об ошибках в случае невалидных входных данных.

Возвращаемое значение:

out{массив, разреженная матрица} или кортеж этих объектов

Проверенный ввод. Возвращается кортеж, если и X и y были проверены.

Примеры из галереи

Основные изменения в релизе scikit-learn 1.6