本文简要介绍python语言中 sklearn.multiclass.OutputCodeClassifier
的用法。
用法:
class sklearn.multiclass.OutputCodeClassifier(estimator, *, code_size=1.5, random_state=None, n_jobs=None)
(Error-Correcting) Output-Code 多类策略。
基于 Output-code 的策略包括用二进制代码(0 和 1 的数组)表示每个类。在拟合时,码本中的每一位都拟合一个二进制分类器。在预测时,分类器用于在类空间中投影新点,并选择最接近这些点的类。这些策略的主要优点是用户可以控制使用的分类器数量,用于压缩模型 (0 < code_size < 1) 或使模型对错误更加鲁棒 (code_size > 1) .有关更多详细信息,请参阅文档。
在用户指南中阅读更多信息。
- estimator:估计器对象
实现拟合的估计器对象和decision_function 或predict_proba 之一。
- code_size:浮点数,默认=1.5
用于创建代码本的类数量的百分比。 0 到 1 之间的数字需要的分类器数量少于 one-vs-the-rest。大于 1 的数字将需要比 one-vs-the-rest 更多的分类器。
- random_state:int,RandomState 实例,默认=无
用于初始化码本的生成器。传递 int 以在多个函数调用之间实现可重现的输出。请参阅术语表。
- n_jobs:整数,默认=无
用于计算的作业数量:并行计算多类问题。
None
表示 1,除非在joblib.parallel_backend
上下文中。-1
表示使用所有处理器。有关详细信息,请参阅词汇表。
- estimators_:
int(n_classes * code_size)
估计器列表 用于预测的估计器。
- classes_:ndarray 形状 (n_classes,)
包含标签的数组。
- code_book_:ndarray 形状(n_classes,code_size)
包含每个类的代码的二进制数组。
- n_features_in_:int
拟合期间看到的特征数。仅当基础估计器在合适时公开此类属性时才定义。
- feature_names_in_:ndarray 形状(
n_features_in_
,) 拟合期间看到的特征名称。仅当基础估计器在合适时公开此类属性时才定义。
- estimators_:
参数:
属性:
参考:
- 1
“通过error-correcting 输出代码解决多类学习问题”,Dietterich T., Bakiri G.,人工智能研究杂志 2,1995。
- 2
“错误编码方法和 PICT”,James G.,Hastie T.,Journal of Computational and Graphical Statistics 7,1998。
- 3
“统计学习的要素”,Hastie T.、Tibshirani R.、Friedman J.,第 606 页 (second-edition) 2008。
例子:
>>> from sklearn.multiclass import OutputCodeClassifier >>> from sklearn.ensemble import RandomForestClassifier >>> from sklearn.datasets import make_classification >>> X, y = make_classification(n_samples=100, n_features=4, ... n_informative=2, n_redundant=0, ... random_state=0, shuffle=False) >>> clf = OutputCodeClassifier( ... estimator=RandomForestClassifier(random_state=0), ... random_state=0).fit(X, y) >>> clf.predict([[0, 0, 0, 0]]) array([1])
相关用法
- Python sklearn OneHotEncoder用法及代码示例
- Python sklearn OAS用法及代码示例
- Python sklearn OneVsRestClassifier用法及代码示例
- Python sklearn OrdinalEncoder用法及代码示例
- Python sklearn OneVsOneClassifier用法及代码示例
- Python sklearn OrthogonalMatchingPursuit用法及代码示例
- Python sklearn OneClassSVM用法及代码示例
- Python sklearn OPTICS用法及代码示例
- Python sklearn OrthogonalMatchingPursuitCV用法及代码示例
- Python sklearn jaccard_score用法及代码示例
- Python sklearn WhiteKernel用法及代码示例
- Python sklearn CalibrationDisplay.from_predictions用法及代码示例
- Python sklearn VotingRegressor用法及代码示例
- Python sklearn gen_batches用法及代码示例
- Python sklearn ExpSineSquared用法及代码示例
- Python sklearn MDS用法及代码示例
- Python sklearn adjusted_rand_score用法及代码示例
- Python sklearn MLPClassifier用法及代码示例
- Python sklearn train_test_split用法及代码示例
- Python sklearn RandomTreesEmbedding用法及代码示例
- Python sklearn GradientBoostingRegressor用法及代码示例
- Python sklearn GridSearchCV用法及代码示例
- Python sklearn log_loss用法及代码示例
- Python sklearn r2_score用法及代码示例
- Python sklearn ndcg_score用法及代码示例
注:本文由纯净天空筛选整理自scikit-learn.org大神的英文原创作品 sklearn.multiclass.OutputCodeClassifier。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。