类 darts.utils.multioutput.MultiOutputRegressor(*args, eval_set_name=None, eval_weight_name=None, **kwargs)[source]

基类: MultiOutputRegressor

sklearn.utils.multioutput.MultiOutputRegressor 的一个修改版本，其 fit() 方法也能正确切片验证数据。验证数据必须作为参数 eval_set 在 **fit_params 中传递。

属性

supports_sample_weight

模型是否支持训练时的样本权重。

方法

fit(X, y[, sample_weight])

将模型拟合到数据，对每个输出变量分别进行。

get_metadata_routing()

获取此对象的元数据路由。

get_params([deep])

获取此估计器的参数。

partial_fit(X, y[, sample_weight])

增量地将模型拟合到数据，对每个输出变量进行。

predict(X)

使用模型预测多输出变量，对每个目标变量分别进行。

score(X, y[, sample_weight])

返回预测的决定系数。

set_fit_request(*[, sample_weight])

请求传递给 fit 方法的元数据。

set_params(**params)

设置此估计器的参数。

set_partial_fit_request(*[, sample_weight])

请求传递给 partial_fit 方法的元数据。

set_score_request(*[, sample_weight])

请求传递给 score 方法的元数据。
fit(X, y, sample_weight=None, **fit_params)[source]

将模型拟合到数据，对每个输出变量分别进行。

参数

  • X ({array-like, sparse matrix} 形状为 (n_samples, n_features)) – 输入数据。

  • y ({array-like, sparse matrix} 形状为 (n_samples, n_outputs)) – 多输出目标。指示矩阵开启多标签估计。

  • sample_weight (array-like 形状为 (n_samples, n_outputs), 默认=None) – 样本权重。如果为 None，则样本权重相等。仅在底层回归器支持样本权重时支持。

  • **fit_params (dict 字符串 -> 对象) –

    传递给每个步骤的 estimator.fit 方法的参数。

    0.23 版本新增。

返回

self – 返回一个已拟合的实例。

返回类型

object

get_metadata_routing()

获取此对象的元数据路由。

请查看 用户指南 了解路由机制的工作原理。

1.3 版本新增。

返回

routing – 封装路由信息的 MetadataRouter。

返回类型

MetadataRouter

get_params(deep=True)

获取此估计器的参数。

参数

deep (bool, 默认=True) – 如果为 True，将返回此估计器及其包含的作为估计器的子对象的参数。

返回

params – 映射到其值的参数名称。

返回类型

dict

partial_fit(X, y, sample_weight=None, **partial_fit_params)[source]

增量地将模型拟合到数据，对每个输出变量进行。

参数

  • X ({array-like, sparse matrix} 形状为 (n_samples, n_features)) – 输入数据。

  • y ({array-like, sparse matrix} 形状为 (n_samples, n_outputs)) – 多输出目标。

  • sample_weight (array-like 形状为 (n_samples,), 默认=None) – 样本权重。如果为 None，则样本权重相等。仅在底层回归器支持样本权重时支持。

  • **partial_fit_params (dict 字符串 -> 对象) –

    传递给每个子估计器的 estimator.partial_fit 方法的参数。

    仅在 enable_metadata_routing=True 时可用。请参阅 用户指南。

    1.3 版本新增。

返回

self – 返回一个已拟合的实例。

返回类型

object

predict(X)

使用模型预测多输出变量，对每个目标变量分别进行。

参数

X ({array-like, sparse matrix} 形状为 (n_samples, n_features)) – 输入数据。

返回

y – 跨多个预测器预测的多输出目标。注意：为每个预测器生成单独的模型。

返回类型

{array-like, sparse matrix} 形状为 (n_samples, n_outputs)

score(X, y, sample_weight=None)

返回预测的决定系数。

决定系数 \(R^2\) 定义为 \((1 - \frac{u}{v})\)，其中 \(u\) 是残差平方和 ((y_true - y_pred)** 2).sum()，\(v\) 是总平方和 ((y_true - y_true.mean()) ** 2).sum()。最好的分数是 1.0，它可以是负的（因为模型可能任意差）。一个总是预测 y 期望值而忽略输入特征的常数模型将获得 0.0 的 \(R^2\) 分数。

参数

  • X (array-like 形状为 (n_samples, n_features)) – 测试样本。对于某些估计器，这可能是预先计算的核矩阵或通用对象列表，形状为 (n_samples, n_samples_fitted)，其中 n_samples_fitted 是估计器拟合中使用的样本数。

  • y (array-like 形状为 (n_samples,) 或 (n_samples, n_outputs)) – X 的真实值。

  • sample_weight (array-like 形状为 (n_samples,), 默认=None) – 样本权重。

返回

score – \(R^2\) 的 self.predict(X) 关于 y 的值。

返回类型

float

说明

在回归器上调用 score 时使用的 \(R^2\) 分数从版本 0.23 开始使用 multioutput='uniform_average'，以保持与 r2_score() 的默认值一致。这会影响所有多输出回归器（MultiOutputRegressor 除外）的 score 方法。

set_fit_request(*, sample_weight: Union[bool, None, str] = '$UNCHANGED$') → MultiOutputRegressor

请求传递给 fit 方法的元数据。

请注意，此方法仅在 enable_metadata_routing=True 时相关（参见 sklearn.set_config()）。请参阅 用户指南 了解路由机制的工作原理。

每个参数的选项有

  • True：请求元数据，如果提供则传递给 fit。如果未提供元数据，则忽略请求。

  • False：不请求元数据，元估计器不会将其传递给 fit。

  • None：不请求元数据，如果用户提供元数据，元估计器将引发错误。

  • str：元数据应以给定的别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

1.3 版本新增。

注意

此方法仅在此估计器用作元估计器的子估计器时相关，例如在 Pipeline 中使用。否则它没有效果。

参数

sample_weight (str, True, False, 或 None, 默认=sklearn.utils.metadata_routing.UNCHANGED) – fit 中 sample_weight 参数的元数据路由。

返回

self – 更新后的对象。

返回类型

object

set_params(**params)

设置此估计器的参数。

此方法适用于简单估计器和嵌套对象（如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

参数

**params (dict) – 估计器参数。

返回

self – 估计器实例。

返回类型

估计器实例

set_partial_fit_request(*, sample_weight: Union[bool, None, str] = '$UNCHANGED$') → MultiOutputRegressor

请求传递给 partial_fit 方法的元数据。

请注意，此方法仅在 enable_metadata_routing=True 时相关（参见 sklearn.set_config()）。请参阅 用户指南 了解路由机制的工作原理。

每个参数的选项有

  • True：请求元数据，如果提供则传递给 partial_fit。如果未提供元数据，则忽略请求。

  • False：不请求元数据，元估计器不会将其传递给 partial_fit。

  • None：不请求元数据，如果用户提供元数据，元估计器将引发错误。

  • str：元数据应以给定的别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

1.3 版本新增。

注意

此方法仅在此估计器用作元估计器的子估计器时相关，例如在 Pipeline 中使用。否则它没有效果。

参数

sample_weight (str, True, False, 或 None, 默认=sklearn.utils.metadata_routing.UNCHANGED) – partial_fit 中 sample_weight 参数的元数据路由。

返回

self – 更新后的对象。

返回类型

object

set_score_request(*, sample_weight: Union[bool, None, str] = '$UNCHANGED$') → MultiOutputRegressor

请求传递给 score 方法的元数据。

请注意，此方法仅在 enable_metadata_routing=True 时相关（参见 sklearn.set_config()）。请参阅 用户指南 了解路由机制的工作原理。

每个参数的选项有

  • True：请求元数据，如果提供则传递给 score。如果未提供元数据，则忽略请求。

  • False：不请求元数据，元估计器不会将其传递给 score。

  • None：不请求元数据，如果用户提供元数据，元估计器将引发错误。

  • str：元数据应以给定的别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

1.3 版本新增。

注意

此方法仅在此估计器用作元估计器的子估计器时相关，例如在 Pipeline 中使用。否则它没有效果。

参数

sample_weight (str, True, False, 或 None, 默认=sklearn.utils.metadata_routing.UNCHANGED) – score 中 sample_weight 参数的元数据路由。

返回

self – 更新后的对象。

返回类型

object

property supports_sample_weight: bool

模型是否支持训练时的样本权重。

返回类型

bool

上一页

模型选择工具

下一页

<无标题>