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)[原始碼]#

驗證輸入資料並設定或檢查輸入的特徵名稱和計數。

此輔助函式應在需要輸入驗證的估算器中使用。如果 reset=True，這會變更估算器並設定 n_features_in_ 和 feature_names_in_ 屬性。

在 1.6 版本中新增。

參數:
_estimator估算器實例

要驗證輸入的估算器。

X形狀為 (n_samples, n_features) 的 {array-like, sparse matrix, dataframe}，預設值為 'no validation'

輸入樣本。如果為 'no_validation'，則不會對 X 執行驗證。這對於可以將輸入驗證委派給其底層估算器的元估算器很有用。在這種情況下，必須傳遞 y，並且唯一接受的 check_params 為 multi_output 和 y_numeric。

y形狀為 (n_samples,) 的 array-like，預設值為 'no_validation'

目標值。

  • 如果為 None，則會對 X 呼叫 check_array。如果估算器的 requires_y 標籤為 True，則會引發錯誤。

  • 如果為 'no_validation'，則會對 X 呼叫 check_array，並且會忽略估算器的 requires_y 標籤。這是一個預設的佔位符，絕不打算明確設定。在這種情況下，必須傳遞 X。

  • 否則，只會使用 _check_y 檢查 y，或同時使用 check_array 或 check_X_y 檢查 X 和 y，具體取決於 validate_separately。

resetbool，預設值為 True

是否重設 n_features_in_ 屬性。如果為 False，則會檢查輸入是否與上次 reset 為 True 時提供的資料一致。

注意

建議在 fit 和首次呼叫 partial_fit 時呼叫 reset=True。所有其他驗證 X 的方法都應設定 reset=False。

validate_separatelyFalse 或 dict 的元組，預設值為 False

僅當 y 不為 None 時使用。如果為 False，則呼叫 check_X_y。否則，它必須是 kwargs 的元組，用於分別在 X 和 y 上呼叫 check_array。

estimator=self 會自動新增到這些字典中，以便在輸入資料無效時產生更豐富的錯誤訊息。

skip_check_arraybool，預設值為 False

如果為 True，則 X 和 y 不會變更，只會檢查 feature_names_in_ 和 n_features_in_。否則，會在 X 和 y 上呼叫 check_array。

**check_paramskwargs

傳遞給 check_array 或 check_X_y 的參數。如果 validate_separately 不為 False，則忽略。

estimator=self 會自動新增到這些參數中，以便在輸入資料無效時產生更豐富的錯誤訊息。

傳回:
out{ndarray, sparse matrix} 或這些的元組

經過驗證的輸入。如果同時驗證 X 和 y，則會傳回元組。