二进制

由两个类组成的分类问题。二进制目标可以表示为多类问题，但只有两个标签。二元决策函数表示为1d数组。

在语义上，一个类通常被认为是“积极的”类。除非另有说明（例如在 评估指标中使用pos_label），我们认为类标签具有更大的值（数字或词典）作为正类：标签[0,1]，1是正类; [1,2]，2是正类; ['不'，'是']，'是'是正面的; ['不'，'是']，'不'是正面的。例如，这会影响decision_function的输出 。

请注意，从多类y或连续 采样的数据集y可能看起来是二进制的。

type_of_target 将为二进制输入返回'binary'，或者仅存在一个类的类似数组。

连续

回归问题，其中每个样本的目标是有限浮点数，表示为浮点数（或有时是整数）的一维数组。

type_of_target 对于连续输入，将返回“连续”，但如果数据全部为整数，则将其标识为“多类”。

连续多输出

多输出连续

一个回归问题，其中每个样本的目标由n_outputs 输出组成，每个输出都是一个有限的浮点数，用于特定数据集中的固定int 。n_outputs > 1

连续多输出目标表示为多个 连续目标，水平堆叠成一个形状阵列。(n_samples, n_outputs)

type_of_target 将为连续多输出输入返回“连续多输出”，但如果数据全部为整数，则将其标识为“多类多输出”。

多类

由两个以上类组成的分类问题。多类目标可以表示为字符串或整数的1维数组。整数的2D列向量（即，在一个单一的输出多输出方面）也是可以接受的。

我们没有正式支持其他可订购的，可清洗的对象作为类标签，即使估计器在给定此类型的分类目标时可能正常工作。

对于半监督分类，未标记的样本应具有特殊标签-1 in y。

在sckit-learn中，支持二进制分类的所有估计器也支持多类分类，默认情况下使用One-vs-Rest。

A preprocessing.LabelEncoder有助于将多类目标规范化为整数。

type_of_target将为多类输入返回'multiclass'。用户可能还希望将“二进制”输入与“多类”相同地处理。

多类多输出

多输出多类

一个分类问题，其中每个样本的目标由n_outputs 输出组成 ，每个输出都是一个类标签，用于特定数据集中的固定int 。每个输出都有一组固定的可用类，每个样本都标有每个输出的类。输出可以是二进制或多类，并且在所有输出都是二进制的情况下，目标是 多标记。n_outputs > 1

多类多输出目标表示为多个 多类目标，水平堆叠成一个形状数组。(n_samples, n_outputs)

XXX：为简单起见，我们可能并不总是支持多类多输出的字符串类标签，应该使用整数类标签。

multioutput提供使用多个单输出估计器估计多输出问题的估计器。这可能无法完全解释不同输出之间的依赖关系，本地处理多输出情况的方法（例如决策树，最近邻居，神经网络）可能做得更好。

type_of_target 将为多类多输出输入返回'multiclass-multioutput'。

多标签

阿多类多输出目标，其中每个输出是 二进制。这可以表示为2d（密集）阵列或整数的稀疏矩阵，使得每列是单独的二进制目标，其中正标签用1表示，负标签通常是-1或0.不支持稀疏多标记目标到处都支持密集的多标记目标。

在语义上，多标记目标可以被认为是每个样本的一组标签。虽然不在内部使用， preprocessing.MultiLabelBinarizer但作为实用程序提供，以从集合表示的列表转换为2d数组或稀疏矩阵。对多类目标进行单热编码 preprocessing.LabelBinarizer会将其转化为多标记问题。

type_of_target 将为多标签输入返回'multilabel-indicator'，无论是稀疏还是密集。

多输出

多输出

每个样本具有多个分类/回归标签的目标。请参阅多类多输出和连续多输出。我们目前不支持对混合分类和回归目标进行建模。