BaseEstimator类用来处理输入数据的格式
类内的全局变量有[X,y,y_{required},fit_{required}]
[X,y]通过__setup_input()方法将[X,y]变为numpy.ndarray类型
如果输入数据没有[y], 则[y_{required} = False]
处理输入数据[X]的步骤如下：
1. 若X不是numpy.ndarray类型，则转换类型；
2. 若X为空数组，则提示值错误；
3. 若X的维数为1，则X的样本数为1，X的特征数目为X.shape[0]；
4. 若X的维数不为1，则X的样本数为X.shape[0]，X的特征数目为其他维数的长度之积。
如果输入了[y],则对[y]处理的步骤如下：
1. 若需要输入y却没有输入y，则提示错误；
2. 若X不是numpy.ndarray类型，则转换类型；
3. 若输入了y，但是大小为0，则提示错误。
# coding: utf-8
import numpy as np
class BaseEstimator(Object):
X = None
y = None
y_required = True
fit_required = True
def __setup_input(self,X,y=None):
if not isinstance(X,np.ndarray):
X = np.array(X)
if X.size == 0:
raise ValueError('Number of feautures must be > 0 ')
if X.ndim == 1:
self.n_samples, self.n_feautures = 1, X.shape
else:
self.n_samples, self.n_feautures = X.shape[0], np.prod(X.shape[1:])
self.X = X
if self.y_required:
if y is None:
raise ValueError('Missed required argument y ')
if not isinstance(y,np.ndarray):
y = np.array(y)
if y.size == 0:
raise ValueError('Number of target y must be > 0')
self.y = y
def fit(self,X,y= None):
self.__setup_input(X,y)
def predict(self,X=None):
if not isinstance(X,np.ndarray):
X = np.array(X)
if X is not None or not fit_required:
return self._predict(X)
else:
raise ValueError('You must call fit before predict')
def _predict(X=None):
raise NotImplementedError()内容来源于网络如有侵权请私信删除
文章来源: 博客园
- 还没有人评论，欢迎说说您的想法！
客服
