KNeighborsClassifier可接受的数据类型

Question

我期望下面的代码只接受对于y，数据类型为category，因为根据定义，分类器预测分类变量的值。但是经过测试，我看到这个分类器接受y值，即integer,object等。它是在幕后将y转换为category，还是这里发生了什么?

from sklearn.neighbors import KNeighborsClassifier  
classifier = KNeighborsClassifier() 
classifier.fit(X_train, y_train) 
y_pred = classifier.predict(X_test)  

Answer 1

不，实际上在这方面没有发生任何事情。我不知道你从哪里得到这个，目标y只能是category类型(顺便说一下，这不是一个numpy dtype，而是熊猫的东西)。但是没有必要这样的限制。

scikit-learn内部使用一个名为type_of_target的函数来检查目标y是否符合API规范，并确定一个target_type，即它是什么样的分类任务。以下是其文档字符串的摘录:

Examples
--------
>>> 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'

分类任务是下列任意项:

['binary', 'multiclass', 'multiclass-multioutput', 
'multilabel-indicator', 'multilabel-sequences']

所以元素的类型可以是int、str或object，但不能是float。