sklearn.utils.multiclass.type_of_target¶
sklearn.utils.multiclass.type_of_target(y)
确定目标指示的数据类型。
请注意，此类型是可以推断的最具体的类型。
例如：
二进制更具体，但兼容多类。
整数的多类更具体，但与连续兼容。
multilabel-indicator更具体，但与multiclass-multioutput兼容。
| 参数 | 说明 |
|---|---|
| y | array-like |
| 返回值 | 说明 |
|---|---|
| target_type | string 之一: “连续的”：y是类似浮点数的数组，它们并不都是整数，而是一维或列向量。 “连续多输出”：y是2d的浮点数数组，它们都不都是整数，并且两个维度的大小都大于1。 “二进制”：y包含 2个以内的（含2个）离散值，为一维或列向量。 “ multiclass”：y包含两个以上的离散值，不是序列中的序列，并且是一维或列向量。 “ multiclass-multioutput”：y是一个二维数组，包含两个以上的离散值，不是序列中的序列，并且两个维度的大小均大于1。 “ multilabel-indicator”：y是标签指示符矩阵，是一个二维数组，至少包含两列，并且最多包含2个唯一值。 “未知”：y类似于数组，但以上都不是，例如3d数组，序列中的序列或非序列对象的数组。 |
示例：
>>> 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'
