aibox.nlp.estimators.classification.kn_classifier

Classificador utilizando k-NN.

Classes

KNeighborsClassifier([n_neighbors, weights, ...])

Classificar baseado nos vizinhos mais próximos.

class aibox.nlp.estimators.classification.kn_classifier.KNeighborsClassifier(n_neighbors: int = 2, weights: str = 'uniform', algorithm: str = 'auto', leaf_size: int = 30, p: float = 2.0, metric: str = 'minkowski', random_state: int | None = None)

Base: Estimator

Classificar baseado nos vizinhos mais próximos. Essa classe é um wrapper de sklearn.neighbors.KNeighborsClassifier.

Parâmetros:

• n_neighbors (int)

• weights (str)

• algorithm (str)

• leaf_size (int)

• p (float)

• metric (str)

• random_state (int | None)

predict(X: list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor, **kwargs) → ndarray

Realiza a predição utilizando os parâmetros atuais do modelo.

Parâmetros:

• X (list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor) – dados de entrada com shape (n_samples, n_features).

• **kwargs – parâmetros extras que podem ser passados para alguns estimadores.

Retorna:

predições com shape (n_samples,).

Tipo de retorno:

ndarray

fit(X: list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor, y: list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor, **kwargs)

Realiza o treinamento do estimador.

Parâmetros:

• X (list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor) – features no formato (n_samples, n_features).

• y (list[int] | list[float] | ndarray[int32] | ndarray[float32] | Tensor) – saída esperada com formato (n_samples,)

• **kwargs – parâmetros extras que podem ser passados para alguns estimadores.

property hyperparameters: dict

Hiper-parâmetros do modelo. Inclui a seed randômica. Estrutura do dicionário varia entre diferentes estimadores.

Retorna:

dicionário de hiper-parâmetros.

property params: dict

Retorna um dicionário com os parâmetros para esse estimador.

Os parâmetros retornados descrevem totalmente o estado do modelo (e,g. pesos de uma rede, superfícies de decisão, estrutura da árvore de decisão, etc).

Retorna:

parâmetros do estimador.

property random_state: int

Seed randômica utilizada pelo estimador.

Retorna:

seed.