sklearn.utils.multiclass.type_of_target?
sklearn.utils.multiclass.type_of_target(y)
確定目標指示的數據類型。
請注意，此類型是可以推斷的最具體的類型。
例如：
二進制更具體，但兼容多類。
整數的多類更具體，但與連續兼容。
multilabel-indicator更具體，但與multiclass-multioutput兼容。
| 參數 | 說明 |
|---|---|
| y | array-like |
| 返回值 | 說明 |
|---|---|
| target_type | string 之一: “連續的”：y是類似浮點數的數組，它們并不都是整數，而是一維或列向量。 “連續多輸出”：y是2d的浮點數數組，它們都不都是整數，并且兩個維度的大小都大于1。 “二進制”：y包含 2個以內的（含2個）離散值，為一維或列向量。 “ multiclass”：y包含兩個以上的離散值，不是序列中的序列，并且是一維或列向量。 “ multiclass-multioutput”：y是一個二維數組，包含兩個以上的離散值，不是序列中的序列，并且兩個維度的大小均大于1。 “ multilabel-indicator”：y是標簽指示符矩陣，是一個二維數組，至少包含兩列，并且最多包含2個唯一值。 “未知”：y類似于數組，但以上都不是，例如3d數組，序列中的序列或非序列對象的數組。 |
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'