实用工具#

EvalML 中 ProblemTypes 枚举的实用方法。

模块内容#

函数#

`detect_problem_type`	根据目标（二分类、多分类、回归）确定正在解决的问题类型。忽略缺失和空数据。
`handle_problem_types`	通过返回 ProblemTypes 或从字符串转换来处理 problem_type。
`is_binary`	确定提供的 problem_type 是否是二分类问题类型。
`is_classification`	确定提供的 problem_type 是否是分类问题类型。
`is_multiclass`	确定提供的 problem_type 是否是多分类问题类型。
`is_multiseries`	确定提供的 problem_type 是否是多序列时间序列问题类型。
`is_regression`	确定提供的 problem_type 是否是回归问题类型。
`is_time_series`	确定提供的 problem_type 是否是时间序列问题类型。

目录#

evalml.problem_types.utils.detect_problem_type(y)[source]#

根据目标（二分类、多分类、回归）确定正在解决的问题类型。忽略缺失和空数据。

参数: y (pd.Series) – 要预测的目标标签。
返回值: ProblemType 枚举
返回类型: ProblemType

示例

>>> y = pd.Series([0, 1, 0, 0, 0, 1, 1, 0, 0, 1, 1])
>>> assert detect_problem_type(y) == ProblemTypes.BINARY
...
>>> y = pd.Series([1, 2, 3, 2, 1, 1, 1, 2, 2, 3, 3])
>>> assert detect_problem_type(y) == ProblemTypes.MULTICLASS
...
>>> y = pd.Series([1.6, 4.2, 3.3, 2.9, 4, 1, 5.5, 2, -2, -3.2, 3])
>>> assert detect_problem_type(y) == ProblemTypes.REGRESSION

引发异常: ValueError – 如果输入少于两个类别。

evalml.problem_types.utils.handle_problem_types(problem_type)[source]#

通过返回 ProblemTypes 或从字符串转换来处理 problem_type。

参数

problem_type (str 或 ProblemTypes) – 需要处理的问题类型。

返回值

ProblemTypes 枚举

引发异常

KeyError – 如果输入不是有效的 ProblemTypes 枚举值。
ValueError – 如果输入不是字符串或 ProblemTypes 对象。

示例

>>> assert handle_problem_types("regression") == ProblemTypes.REGRESSION
>>> assert handle_problem_types("TIME SERIES BINARY") == ProblemTypes.TIME_SERIES_BINARY
>>> assert handle_problem_types("Multiclass") == ProblemTypes.MULTICLASS

evalml.problem_types.utils.is_binary(problem_type)[source]#

确定提供的 problem_type 是否是二分类问题类型。

参数: problem_type (str 或 ProblemTypes) – 监督学习问题类型。有关完整列表，请参阅 evalml.problem_types.ProblemType.all_problem_types。
返回值: 提供的 problem_type 是否是二分类问题类型。
返回类型: bool

示例

>>> assert is_binary("Binary")
>>> assert is_binary(ProblemTypes.BINARY)
>>> assert is_binary(ProblemTypes.TIME_SERIES_BINARY)

evalml.problem_types.utils.is_classification(problem_type)[source]#

确定提供的 problem_type 是否是分类问题类型。

参数: problem_type (str 或 ProblemTypes) – 监督学习问题类型。有关完整列表，请参阅 evalml.problem_types.ProblemType.all_problem_types。
返回值: 提供的 problem_type 是否是分类问题类型。
返回类型: bool

示例

>>> assert is_classification("Multiclass")
>>> assert is_classification(ProblemTypes.TIME_SERIES_BINARY)
>>> assert not is_classification(ProblemTypes.REGRESSION)

evalml.problem_types.utils.is_multiclass(problem_type)[source]#

确定提供的 problem_type 是否是多分类问题类型。

参数: problem_type (str 或 ProblemTypes) – 监督学习问题类型。有关完整列表，请参阅 evalml.problem_types.ProblemType.all_problem_types。
返回值: 提供的 problem_type 是否是多分类问题类型。
返回类型: bool

示例

>>> assert is_multiclass("Multiclass")
>>> assert is_multiclass(ProblemTypes.MULTICLASS)
>>> assert is_multiclass(ProblemTypes.TIME_SERIES_MULTICLASS)

evalml.problem_types.utils.is_multiseries(problem_type)[source]#

确定提供的 problem_type 是否是多序列时间序列问题类型。

参数: problem_type (str 或 ProblemTypes) – 监督学习问题类型。有关完整列表，请参阅 evalml.problem_types.ProblemType.all_problem_types。
返回值: 提供的 problem_type 是否是多序列时间序列问题类型。
返回类型: bool

evalml.problem_types.utils.is_regression(problem_type)[source]#

确定提供的 problem_type 是否是回归问题类型。

参数: problem_type (str 或 ProblemTypes) – 监督学习问题类型。有关完整列表，请参阅 evalml.problem_types.ProblemType.all_problem_types。
返回值: 提供的 problem_type 是否是回归问题类型。
返回类型: bool

示例

>>> assert is_regression("Regression")
>>> assert is_regression(ProblemTypes.REGRESSION)
>>> assert is_regression(ProblemTypes.TIME_SERIES_REGRESSION)

evalml.problem_types.utils.is_time_series(problem_type)[source]#

确定提供的 problem_type 是否是时间序列问题类型。

参数: problem_type (str 或 ProblemTypes) – 监督学习问题类型。有关完整列表，请参阅 evalml.problem_types.ProblemType.all_problem_types。
返回值: 提供的 problem_type 是否是时间序列问题类型。
返回类型: bool

示例

>>> assert is_time_series("time series regression")
>>> assert is_time_series(ProblemTypes.TIME_SERIES_BINARY)
>>> assert not is_time_series(ProblemTypes.REGRESSION)