n = np.zeros((3, 2), dtype="int64")
print(type(n[0][0])) #<class 'numpy.int64'>
m = sklearn.utils.as_float_array(n)
print(type(m[0][0])) #<class 'numpy.float64'>
utils.arrayfuncs.cholesky_delete（L，出去）
utils.arrayfuncs.min_pos（） 在正值上找到数组的最小值
utils.as_float_array（X [，复制，force_all_finite]） 将类似数组的数组转换为浮点数组。
utils.assert_all_finite（X [，allow_nan]） 如果X包含NaN或无穷大，则引发ValueError。
utils.check_X_y（X，y [，accept_sparse，...]） 标准估算器的输入验证。
utils.check_array（数组[，accept_sparse，…]） 对数组，列表，稀疏矩阵或类似内容进行输入验证。
utils.check_scalar（x，名称，target_type [，…]） 验证标量参数的类型和值。
utils.check_consistent_length（\ *数组） 检查所有阵列的第一维度是否一致。
utils.check_random_state（种子） 将种子转换为np.random.RandomState实例
utils.class_weight.compute_class_weight（...） 估计不平衡数据集的类权重。
utils.class_weight.compute_sample_weight（...） 对于不平衡的数据集，按类别估算样本权重。
utils.deprecated（[额外]） 装饰器，用于将功能或类标记为不推荐使用。
utils.estimator_checks.check_estimator（估算者） 检查估计器是否遵守scikit-learn约定。
utils.extmath.safe_sparse_dot（a，b [，…]） 正确处理稀疏矩阵案例的点积
utils.extmath.randomized_range_finder（一种， …） 计算一个正交矩阵，其范围近似于A的范围。
utils.extmath.randomized_svd（M，n_components） 计算截断的随机SVD
utils.extmath.fast_logdet（一种） 计算一个对称的log（det（A））
utils.extmath.density（w，\ * \ * kwargs） 计算稀疏向量的密度
utils.extmath.weighted_mode（a，w [，轴]） 返回数组中加权模态（最常见）值的数组
utils.gen_even_slices（n，n_packs [，n_samples]） 生成器创建n_packs片，最多可达n。
utils.graph.single_source_shortest_path_length（...） 返回从源到所有可达节点的最短路径长度。
utils.graph_shortest_path.graph_shortest_path（） 对正有向图或无向图执行最短路径图搜索。
utils.indexable（\ *可重复项） 使数组可索引以进行交叉验证。
utils.metaestimators.if_delegate_has_method（...） 为委托给子估计器的方法创建一个装饰器
utils.multiclass.type_of_target（y） 确定目标指示的数据类型。
utils.multiclass.is_multilabel（y） 检查是否y为多标签格式。
utils.multiclass.unique_labels（\ *是） 提取唯一标签的有序数组
utils.murmurhash3_32（） 计算种子的密钥的32位murmurhash3。
utils.resample（\ *数组，\ * \ *选项） 以一致的方式重新采样数组或稀疏矩阵
utils.safe_indexing（X，指数） 使用索引从X返回项目或行。
utils.safe_mask（X，面具） 返回可以在X上安全使用的面罩。
utils.safe_sqr（X [，复制]） 类数组和稀疏矩阵的元素明智平方。
utils.shuffle（\ *数组，\ * \ *选项） 以一致的方式随机排列数组或稀疏矩阵
utils.sparsefuncs.incr_mean_variance_axis（X， …） 计算CSR或CSC矩阵上沿轴的增量平均值和方差。
utils.sparsefuncs.inplace_column_scale（X，比例尺） CSC / CSR矩阵的就地列缩放。
utils.sparsefuncs.inplace_row_scale（X，比例尺） CSR或CSC矩阵的就地行缩放。
utils.sparsefuncs.inplace_swap_row（X，m，n） 就地交换两行CSC / CSR矩阵。
utils.sparsefuncs.inplace_swap_column（X，m，n） 就地交换两列CSC / CSR矩阵。
utils.sparsefuncs.mean_variance_axis（X，轴） 计算CSR或CSC矩阵上沿轴的均值和方差
utils.sparsefuncs.inplace_csr_column_scale（X， …） CSR矩阵的原位缩放。
utils.sparsefuncs_fast.inplace_csr_row_normalize_l1（） 使用l1范数进行就地行归一化
utils.sparsefuncs_fast.inplace_csr_row_normalize_l2（） 使用l2范数进行就地行规范化
utils.random.sample_without_replacement（） 采样整数而不进行替换。
utils.validation.check_is_fitted（估算器，…） 对估算器执行is_fitted验证。
utils.validation.check_memory（记忆） 检查memory是否类似于joblib.Memory。
utils.validation.check_symmetric（数组[，…]） 确保该数组是二维，正方形和对称的。
utils.validation.column_or_1d（y [，警告]） Ravel列或一维numpy数组，否则引发错误
utils.validation.has_fit_parameter（...） 检查估计器的fit方法是否支持给定参数。
utils.testing.assert_in（成员，container [，msg]） 就像self.assertTrue（a in b）一样，但是带有更好的默认消息。
utils.testing.assert_not_in（成员，容器） 就像self.assertTrue（a不在b中），但是带有更好的默认消息。
utils.testing.assert_raise_message（...） Helper函数测试异常中引发的消息。
utils.testing.all_estimators（[…]） 从sklearn获取所有估计量的列表。
浙公网安备 33010602011771号