check_is_fitted#
- sklearn.utils.validation.check_is_fitted(estimator, attributes=None, *, msg=None, all_or_any=<built-in function all>)[源代码]#
执行估计量的拟合验证。
通过验证是否存在匹配的属性（以尾部强调结束）来检查估计量是否被匹配，否则引发
NotFittedError与给定的消息。如果估计器没有设置任何带有尾部强调的属性，则可以定义
__sklearn_is_fitted__方法返回布尔值以指定估计器是否适合。看到 __sklearn_is_fitted__ 作为开发人员API 了解如何使用API的示例。如果没有
attributes如果估计器无状态，则该功能将通过。估计器可以通过设置requires_fit标签看到 估计标签 for more information.注意到requires_fit如果存在，则会忽略标签attributes都通过了。- 参数:
- estimator估计器实例
对其执行检查的估计实例。
- attributes字符串、字符串的列表或数组，默认=无
属性名称以字符串或字符串列表/数组形式给出例如：
["coef_", "estimator_", ...], "coef_"如果
None,estimator如果存在以强调线结束且不是以双强调线开始的属性，则被认为是合适的。- msg字符串，默认=无
默认错误消息是，“此%（名称）的实例尚未安装。在使用此估计器之前，用适当的参数调用“fit”。"
对于自定义消息，如果消息字符串中存在“%（名称）s”，则将其替换为估计器名称。
Eg.：“估计值，%（姓名），必须在稀疏化之前进行调整”。
- all_or_any可调用，{all，any}，默认=all
指定所有或任何给定属性是否必须存在。
- 提出:
- TypeError
如果估计器是类或不是估计器实例
- NotFittedError
如果找不到属性。
示例
>>> from sklearn.linear_model import LogisticRegression >>> from sklearn.utils.validation import check_is_fitted >>> from sklearn.exceptions import NotFittedError >>> lr = LogisticRegression() >>> try: ... check_is_fitted(lr) ... except NotFittedError as exc: ... print(f"Model is not fitted yet.") Model is not fitted yet. >>> lr.fit([[1, 2], [1, 3]], [1, 0]) LogisticRegression() >>> check_is_fitted(lr)
