BaseAIRS(BaseClassifier, ABC)

Classe base para o algoritmo AIRS.

A classe base contém funções que são utilizadas por mais de uma classe no pacote e, portanto, são consideradas essenciais para o funcionamento geral do sistema.

---

def _check_and_raise_exceptions_fit(...):

Verifica os parâmetros de ajuste (fit) e lança exceções caso a verificação não seja bem-sucedida.

@staticmethod
def _check_and_raise_exceptions_fit(
    X: npt.NDArray = None,
    y: npt.NDArray = None,
    algorithm: Literal[
        "continuous-features", "binary-features"
    ] = "continuous-features"
):

Parâmetros:

• X (npt.NDArray): Array de treinamento, contendo as amostras e suas características, com formato [N amostras (linhas)][N características (colunas)].
• y (npt.NDArray): Array das classes alvo de X com [N amostras (linhas)].
• algorithm (Literal["continuous-features", "binary-features"], opcional): Especifica o tipo de algoritmo a ser usado, dependendo se os dados de entrada possuem características contínuas ou binárias.

Exceções:

• TypeError: Se X ou y não forem ndarrays ou tiverem formatos incompatíveis.
• ValueError: Se a classe for BNSA e X contiver valores que não sejam compostos apenas por 0 e 1.

---

def _check_and_raise_exceptions_predict(...):

Verifica os parâmetros de predição e lança exceções caso a verificação não seja bem-sucedida.

@staticmethod
def _check_and_raise_exceptions_predict(
    X: npt.NDArray = None,
    expected: int = 0,
    algorithm: Literal[
        "continuous-features", "binary-features"
    ] = "continuous-features"
) -> None:

Parâmetros:

• X (npt.NDArray): Array de entrada, contendo as amostras e suas características, com formato [N amostras (linhas)][N características (colunas)].
• expected (int): Número esperado de características por amostra (colunas de X).
• algorithm (Literal["continuous-features", "binary-features"], opcional): Especifica o tipo de algoritmo a ser usado, dependendo se os dados de entrada possuem características contínuas ou binárias.

Exceções:

• TypeError: Se X não for um ndarray ou lista.
• FeatureDimensionMismatch: Se o número de características em X não corresponder ao número esperado.
• ValueError: Se o algoritmo for "binary-features" e X contiver valores que não sejam compostos apenas por 0 e 1.

---