热线电话:13121318867

登录
2018-12-06 阅读量: 841
分类方法有哪些

decision_function

在装配分类异常值检测器,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。
0.0000
4
关注作者
收藏
评论(0)

发表评论

暂无数据
推荐帖子