2018-12-06
阅读量:
841
分类方法有哪些
decision_function
在装配分类或异常值检测器,预测用于相对于各样品每个类,而不是由制造的“硬”分类预测的“软”的分数预测。它的输入通常只是一些观察到的数据,X。
如果估算器尚未安装,则调用此方法应该提高a exceptions.NotFittedError
。
输出惯例:
二元分类一维数组,其中严格大于零的值表示正类(即classes_中的最后一个类)。多类分类一个二维数组,其中行方式arg-maximum是预测类。列按照classes_排序。多标签分类
Scikit-learn在多标签决策函数的表示方面不一致。一些估计器将其表示为多类多输出,即2d阵列的列表,每个阵列具有两列。其他人用单个2d数组表示它,其列对应于各个二进制分类决策。后一种表示与多类分类格式模糊地相同,尽管它的语义不同:它应该像二进制情况一样通过阈值处理来解释。
TODO:这个要点 强调了使用不同格式的多标签。
多输出分类2d数组的列表,对应于每个多类决策函数。异常值检测一维数组,其中大于或等于零的值表示内部。fit
fit
在每个估计器上提供该方法。它通常需要一些样本 X
,如果模型受到监督则需要 目标 y
,以及潜在的其他样本属性,例如 sample_weight。这应该:
- 清除估算器上存储的任何先前属性,除非使用 warm_start ;
- 验证和解释任何参数,理想情况下如果无效则引发错误;
- 验证输入数据;
- 根据估计的参数和提供的数据估计和存储模型属性; 和
- 返回现在拟合的估计器以方便方法链接。






评论(0)


暂无数据
推荐帖子
0条评论
0条评论
0条评论