KNeighborsClassifier可接受的目标变量y数据类型问题咨询

核心结论 #

KNeighborsClassifier 不会 在后台自动将输入的y转换为category类型，它对标签y的处理遵循scikit-learn分类器的通用逻辑，仅会在必要时对标签做整数编码，不会修改原始标签的类型属性。

底层运行逻辑 #

• 第一步：输入合法性校验
  调用fit方法时，scikit-learn会先执行check_classification_targets(y)校验，仅要求y的取值是离散可哈希的，无论原始类型是整数、字符串、object还是category都符合要求，仅当y是连续浮点数时才会抛出分类任务不支持连续标签的报错。
• 第二步：标签整数编码
  如果输入的y不是从0开始的连续整数，分类器会自动调用LabelEncoder将y映射为0 ~ 类别数-1的连续整数，后续的邻居距离计算、投票逻辑全部基于转换后的整数标签完成，输入的原始标签会按原类型存储在模型的classes_属性中。
• 第三步：预测结果反向映射
  调用predict方法时，模型会先基于整数标签得到预测结果，再反向映射回classes_中存储的原始标签值，因此输出的y_pred的类型和你输入的y_train类型完全一致，不会自动转为category类型。

验证方法 #

你可以在训练完成后执行以下代码查看原始标签的存储情况：

from sklearn.neighbors import KNeighborsClassifier  
classifier = KNeighborsClassifier() 
classifier.fit(X_train, y_train) 
y_pred = classifier.predict(X_test)  

# 查看原始标签存储
print(classifier.classes_)
# 输出的数组元素类型和你输入的y_train元素类型完全相同

内容的提问来源于stack exchange，提问作者Roz