python - 有没有一种简单的方法来列出所有采用稀疏训练输入的 sklearn 实现？

Question

而不是仅仅尝试使用稀疏输入并得到错误。就像这里显示的分类器列表一样: AdaBoostClassifier with different base learners

Answer 1

好的，为后代回答我自己的问题，按照 andreas 的建议，使用 try 改编原始帖子。 Def 应该想到这一点。

from scipy.sparse import csc_matrix
from sklearn.utils.testing import all_estimators
import numpy as np
import random
y = np.array([random.randrange(0,2) for i in xrange(1000)])
X = csc_matrix(np.array([[random.randrange(0,2) for i in xrange(1000)], 
                         [random.randrange(0,2) for i in xrange(1000)], 
                         [random.randrange(0,2) for i in xrange(1000)]])).T
for name, Clf in all_estimators(type_filter='classifier'):
    try:
        clf = Clf()
        clf.fit(X,y)
        print name
    except:
        pass

给出了这个列表:

BernoulliNB
DummyClassifier
KNeighborsClassifier
LabelPropagation
LabelSpreading
LinearSVC
LogisticRegression
MultinomialNB
NearestCentroid
NuSVC
PassiveAggressiveClassifier
Perceptron
RadiusNeighborsClassifier
RidgeClassifier
RidgeClassifierCV
SGDClassifier
SVC

我知道这既快又脏，并且会错过任何因 TypeError:已传递稀疏矩阵，但需要密集数据之外的错误而失败的错误。使用 X.toarray() 转换为密集的 numpy 数组。，为了让每个人都知道我是多么认真，唯一因其他原因失败的是 EllipticEnvelope。我检查了。 :) 另外，如果将 base_estimator 从默认值更改为可以接受稀疏输入并且具有所有必要的方法/属性，并且您使用可以索引的稀疏表示(csr_matrix 或 csc_matrix)。