Python cuml.multiclass.OneVsRestClassifier用法及代碼示例

用法: class cuml.multiclass.OneVsRestClassifier(estimator, *args, handle=None, verbose=False, output_type=None)

包裝 Sckit-learn 的同名類。輸入可以是任何類型的 cuML 兼容數組，輸出類型遵循 cuML 的輸出類型配置規則。

Berofe 將數據傳遞給scikit-learn，將其轉換為主機(numpy)數組。在後台，數據被劃分為二進製分類，並由 cuML 估計器轉換回設備。這些副本在設備和主機之間來回傳輸有一些開銷。有關更多詳細信息，請參閱問題 https://github.com/rapidsai/cuml/issues/2876 。

有關文檔，請參閱 scikit-learn’s OneVsRestClassifier 。

參數：

estimator：cuML 估計器
handle：cuml.Handle: 指定 cuml.handle 保存用於此模型中計算的內部 CUDA 狀態。最重要的是，這指定了將用於模型計算的 CUDA 流，因此用戶可以通過在多個流中創建句柄在不同的流中同時運行不同的模型。如果為 None，則創建一個新的。
verbose：int 或布爾值，默認=False: 設置日誌記錄級別。它必須是 cuml.common.logger.level_* 之一。有關詳細信息，請參閱詳細級別。
output_type：{‘input’, ‘cudf’, ‘cupy’, ‘numpy’, ‘numba’}，默認=無: 用於控製估計器的結果和屬性的輸出類型的變量。如果為 None，它將繼承在模塊級別設置的輸出類型 cuml.global_settings.output_type 。有關詳細信息，請參閱輸出數據類型配置。

例子：

>>> from cuml.linear_model import LogisticRegression
>>> from cuml.multiclass import OneVsRestClassifier
>>> from cuml.datasets.classification import make_classification
>>>
>>> X, y = make_classification(n_samples=10, n_features=6, n_informative=4,
...                            n_classes=3, random_state=137)
>>>
>>> cls = OneVsRestClassifier(LogisticRegression())
>>> cls.fit(X,y)
>>> cls.predict(X)
array([1, 1, 1, 0, 1, 2, 2, 2, 0, 1])

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cuml.multiclass.OneVsRestClassifier。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。