目標類型#

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

判斷目標所指示的資料類型。

請注意，此類型是可以推斷出的最明確的類型。例如

binary 比 multiclass 更明確，但與其相容。
整數的 multiclass 比 continuous 更明確，但與其相容。
multilabel-indicator 比 multiclass-multioutput 更明確，但與其相容。

參數:

y{類陣列, 稀疏矩陣}: 目標值。如果是一個稀疏矩陣，則預期 y 為 CSR/CSC 矩陣。
input_namestr，預設值="": 用於建構錯誤訊息的資料名稱。

在 1.1.0 版本中新增。
raise_unknownbool，預設值=False: 如果 True，當 type_of_target 回傳的目標類型為 "unknown" 時，會引發錯誤。

在 1.6 版本中新增。

回傳值:

target_typestr

下列其中之一

‘continuous’：y 是一個由非全為整數的浮點數組成的類陣列，且為 1 維或一個列向量。
‘continuous-multioutput’：y 是一個由非全為整數的浮點數組成的二維陣列，且兩個維度的大小都 > 1。
‘binary’：y 包含 <= 2 個離散值，且為 1 維或一個列向量。
‘multiclass’：y 包含超過兩個離散值，不是序列的序列，且為 1 維或一個列向量。
‘multiclass-multioutput’：y 是一個包含超過兩個離散值的二維陣列，不是序列的序列，且兩個維度的大小都 > 1。
‘multilabel-indicator’：y 是一個標籤指示矩陣，一個至少有兩列且最多有 2 個唯一值的二維陣列。
‘unknown’：y 是一個類陣列，但不是以上任何一種，例如一個三維陣列、序列的序列或非序列物件的陣列。

範例

>>> 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'