sklearn.utils

用於協助開發的各種工具。

開發者指南。 請參閱開發人員工具章節以取得更多詳細資訊。

Bunch	將鍵公開為屬性的容器物件。
_safe_indexing	使用索引回傳 X 的列、項目或欄。
as_float_array	將類陣列轉換為浮點數陣列。
assert_all_finite	如果 X 包含 NaN 或無限值，則拋出 ValueError。
deprecated	用於將函式或類別標記為已棄用的裝飾器。
estimator_html_repr	建立估算器的 HTML 表示法。
gen_batches	產生器，用於從 0 到 n 建立包含 batch_size 元素的切片。
gen_even_slices	產生器，用於建立最多為 n 的 n_packs 個均勻間隔的切片。
indexable	使陣列可索引以進行交叉驗證。
murmurhash3_32	計算鍵在 seed 的 32 位元 murmurhash3 值。
resample	以一致的方式重新取樣陣列或稀疏矩陣。
safe_mask	回傳可在 X 上安全使用的遮罩。
safe_sqr	陣列類和稀疏矩陣的元素平方。
shuffle	以一致的方式混洗陣列或稀疏矩陣。
Tags	估算器的標籤。
InputTags	輸入資料的標籤。
TargetTags	目標資料的標籤。
ClassifierTags	分類器的標籤。
RegressorTags	迴歸器的標籤。
TransformerTags	轉換器的標籤。
get_tags	取得估算器標籤。

輸入和參數驗證

用於驗證 scikit-learn 估算器中輸入和參數的函式。

check_X_y	標準估算器的輸入驗證。
check_array	陣列、列表、稀疏矩陣或類似項的輸入驗證。
check_consistent_length	檢查所有陣列是否具有一致的第一個維度。
check_random_state	將 seed 轉換為 np.random.RandomState 實例。
check_scalar	驗證純量參數類型和值。
validation.check_is_fitted	執行估算器的 is_fitted 驗證。
validation.check_memory	檢查 memory 是否為類似 joblib.Memory。
validation.check_symmetric	確保陣列為 2D、正方形且對稱。
validation.column_or_1d	展平欄或 1 維 numpy 陣列，否則會引發錯誤。
validation.has_fit_parameter	檢查估算器的 fit 方法是否支援給定的參數。
validation.validate_data	驗證輸入資料，並設定或檢查輸入的特徵名稱和計數。

元估算器

元估算器的工具。

metaestimators.available_if

僅當檢查回傳真值時才可用的屬性。

基於類別標籤的權重處理

用於處理基於類別標籤的權重的工具。

class_weight.compute_class_weight	估計不平衡資料集的類別權重。
class_weight.compute_sample_weight	估計不平衡資料集的類別樣本權重。

處理分類器中的多類目標

用於處理分類器中多類/多輸出目標的工具。

multiclass.is_multilabel	檢查 y 是否為多標籤格式。
multiclass.type_of_target	判斷目標指示的資料類型。
multiclass.unique_labels	擷取唯一標籤的排序陣列。

最佳數學運算

用於在 scikit-learn 中執行最佳數學運算的工具。

extmath.density	計算稀疏向量的密度。
extmath.fast_logdet	計算平方矩陣行列式的對數。
extmath.randomized_range_finder	計算其範圍近似 A 範圍的正交矩陣。
extmath.randomized_svd	計算截斷的隨機 SVD。
extmath.safe_sparse_dot	正確處理稀疏矩陣情況的點積。
extmath.weighted_mode	回傳傳遞陣列中加權眾數（最常見）值的陣列。

使用稀疏矩陣和陣列

用於處理稀疏矩陣和陣列的工具集合。

sparsefuncs.incr_mean_variance_axis	計算 CSR 或 CSC 矩陣沿軸的增量平均值和變異數。
sparsefuncs.inplace_column_scale	CSC/CSR 矩陣的原位欄縮放。
sparsefuncs.inplace_csr_column_scale	CSR 矩陣的原位欄縮放。
sparsefuncs.inplace_row_scale	CSR 或 CSC 矩陣的原位列縮放。
sparsefuncs.inplace_swap_column	原地交換 CSC/CSR 矩陣的兩列。
sparsefuncs.inplace_swap_row	原地交換 CSC/CSR 矩陣的兩列。
sparsefuncs.mean_variance_axis	計算 CSR 或 CSC 矩陣沿軸的平均值和變異數。

用於處理以 Cython 撰寫的稀疏矩陣和陣列的工具。

sparsefuncs_fast.inplace_csr_row_normalize_l1	透過 L1 範數原地正規化 CSR 矩陣或陣列的列。
sparsefuncs_fast.inplace_csr_row_normalize_l2	透過 L2 範數原地正規化 CSR 矩陣或陣列的列。

使用圖形

圖形工具和演算法。

graph.single_source_shortest_path_length

回傳從來源到所有可達節點的最短路徑長度。

隨機取樣

用於隨機取樣的工具。

random.sample_without_replacement

在不重複的情況下取樣整數。

對陣列進行操作的輔助函式

對陣列進行操作的小型輔助函式集合。

arrayfuncs.min_pos

尋找陣列在正值上的最小值。

中繼資料路由

用於在 scikit-learn 估算器中路由中繼資料的工具。

使用者指南。 請參閱中繼資料路由章節以取得更多詳細資訊。

metadata_routing.MetadataRequest	包含使用者的中繼資料請求資訊。
metadata_routing.MetadataRouter	儲存並處理路由器物件的中繼資料路由。
metadata_routing.MethodMapping	儲存路由器的呼叫者和被呼叫者方法之間的對應關係。
metadata_routing.get_routing_for_object	從給定物件取得 Metadata{Router, Request} 實例。
metadata_routing.process_routing	驗證並路由輸入參數。

探索 scikit-learn 物件

用於探索 scikit-learn 物件的工具。

discovery.all_displays	從 sklearn 取得所有顯示的列表。
discovery.all_estimators	從 sklearn 取得所有估算器的列表。
discovery.all_functions	取得 sklearn 中所有函式的列表。

API 相容性檢查器

用於檢查估計器與 scikit-learn API 相容性的各種工具。

estimator_checks.check_estimator	檢查估計器是否符合 scikit-learn 慣例。
estimator_checks.parametrize_with_checks	用於參數化估計器檢查的 Pytest 特定裝飾器。
estimator_checks.estimator_checks_generator	迭代地為估計器產生所有檢查的可調用物件。

平行運算

為 scikit-learn 使用而客製化的 joblib 和 threadpoolctl 工具。

parallel.Parallel	調整 joblib.Parallel 以傳播 scikit-learn 的配置。
parallel.delayed	用於捕捉函式參數的裝飾器。