playbook/skills/tsl-api-reference/references/codegen/module/recent-updates-30782.md

应用专题 / 数学算法

cond_entropy_cc(c_x, c_y, k, base)

声明：function

获取连续变量与连续变量的条件熵

参数	类型	说明
c_x	array	一维数字数组，一维连续数据
c_y	array	一维数字数组，一维连续数据
k	integer	整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3
base	real	实数，对数底，取对数时的底数

返回：real

cond_entropy_cd(c_x, d_y, k, base)

声明：function

获取连续变量与离散变量的条件熵

参数	类型	说明
c_x	array	一维数字数组，一维连续数据
d_y	array	一维数字数组，一维离散数据
k	integer	整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3
base	real	实数，对数底，取对数时的底数

返回：real

cond_entropy_dc(d_x, c_y, k, base)

声明：function

获取离散变量与连续变量的条件熵

参数	类型	说明
d_x	array	一维数字数组，一维离散数据
c_y	array	一维数字数组，一维连续数据
k	integer	整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3
base	real	实数，对数底，取对数时的底数

返回：real

cond_entropy_dd(d_x, d_y, base)

声明：function

获取离散变量与离散变量的条件熵

参数	类型	说明
d_x	array	一维数字数组，一维离散数据
d_y	array	一维数字数组，一维离散数据
base	real	实数，对数底，取对数时的底数

返回：real

cost_complexity_pruning_path(x, y, sample_weight)

声明：function

在最小化成本复杂性修剪期间计算修剪路径

参数	类型	说明
x	array	数组，输入示例，形状（n_samples,n_features）
y	array	数组，目标值（类标签，整数或字符串），形状（n_samples）或（n_samples，n_outputs）
sample_weight	array	数组，样品权重，形状（n_samples）

返回：array

decision_path(x, check_input)

声明：function

返回决策树的决策路径

参数	类型	说明
x	array	数组，输入示例，形状（n_samples,n_features）
check_input	boolean	布尔值，默认为真，允许绕过多个输入检查，一般不使用此参数

返回：array

entropy_c(c_x, k, base)

声明：function

获取连续变量的熵

参数	类型	说明
c_x	array	一维数字数组，一维连续数据
k	integer	整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3
base	real	实数，对数底，取对数时的底数

返回：real

entropy_d(d_x, base)

声明：function

获取离散变量的熵

参数	类型	说明
d_x	array	一维数字数组，一维离散数据
base	real	实数，对数底，取对数时的底数

返回：real

fit(x, y, sample_weight, check_input)

声明：function

根据训练集（X，y）建立决策树分类器

参数	类型	说明
x	array	数组，训练输入样本，形状 （n_samples,n_features），n_samples 为训练样本个数，n_features 为特征个数
y	array	数组，目标值（类标签，整数或字符串），形状（n_samples）或（n_samples，n_outputs）
sample_weight	array	数组，样本权重，形状（n_samples），如果为空（默认），则样本的权重相等。 建立决策树时，导致权重为 0 或者负值的拆分将会被忽略
check_input	boolean	布尔值，默认为真，允许绕过多个输入检查，一般不使用此参数

返回：any

get_depth()

声明：function

返回决策树的深度

返回：integer

get_feature_importances_()

声明：function

返回特征重要程度数据

返回：array

get_n_leaves()

声明：function

返回决策树的叶子数

返回：integer

mi_cc(c_x, c_y, k, base)

声明：function

获取连续变量与连续变量的互信息

参数	类型	说明
c_x	array	一维数字数组，一维连续数据
c_y	array	一维数字数组，一维连续数据
k	integer	整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3
base	real	实数，对数底，取对数时的底数

返回：real

mi_cd(c_x, d_y, k, base)

声明：function

获取连续变量与离散变量的互信息

参数	类型	说明
c_x	array	一维数字数组，一维连续数据
d_y	array	一维数字数组，一维离散数据
k	integer	整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3
base	real	实数，对数底，取对数时的底数

返回：real

mi_dc(d_x, c_y, k, base)

声明：function

获取离散变量与连续变量的互信息

参数	类型	说明
d_x	array	一维数字数组，一维离散数据
c_y	array	一维数字数组，一维连续数据
k	integer	整数，k-近邻估计的 k 参数，计算当前数据点与距离最近的第 k 个数据点之间距离时使用， 一般来说，k 越小，统计误差越大，系统误差越小，k 越大则相反。通常 k 取 3
base	real	实数，对数底，取对数时的底数

返回：real

mi_dd(d_x, d_y, base)

声明：function

获取离散变量与离散变量的互信息

参数	类型	说明
d_x	array	一维数字数组，一维离散数据
d_y	array	一维数字数组，一维离散数据
base	real	实数，对数底，取对数时的底数

返回：real

predict(x, check_input)

声明：function

预测 X 的类别

参数	类型	说明
x	array	数组，输入示例，形状（n_samples,n_features）
check_input	boolean	布尔值，默认为真，允许绕过多个输入检查，一般不使用此参数

返回：array

predict_log_proba(x)

声明：function

预测输入样本 X 的类对数概率

参数	类型	说明
x	array	数组，输入示例，形状（n_samples,n_features）

返回：array

predict_proba(x, check_input)

声明：function

预测输入样本 X 的类别概率

参数	类型	说明
x	array	数组，输入示例，形状（n_samples,n_features）
check_input	boolean	布尔值，默认为真，允许绕过多个输入检查，一般不使用此参数

返回：array

proba_entropy(p, base)

声明：function

获取给定概率数据的熵

参数	类型	说明
p	array	一维数字数组，一维概率数据
base	real	实数，对数底，取对数时的底数

返回：real