Multiclasse

Este arquivo contém funções utilitárias internas desenvolvidas para simplificar a manipulação e o processamento de dados em cenários de classificação multiclasse dentro do pacote AISP.

def slice_index_list_by_class(...)

def slice_index_list_by_class(classes: Union[npt.NDArray, list], y: npt.NDArray) -> dict

A função slice_index_list_by_class(...), separa os índices das linhas conforme a
classe de saída, para percorrer o array de amostra, apenas nas posições que a saída for
a classe que está sendo treinada.

Parameters:

• classes (list or npt.NDArray): lista com classes únicas.
• y (npt.NDArray): Recebe um array y[N amostra] com as classes de saída do
  array de amostra X.

Returns:

• dict: Um dicionário com a lista de posições do array(y), com as classes como chave.

---

def predict_knn_affinity(...)

Função para prever classes usando k-vizinhos mais próximos e células treinadas.

def predict_knn_affinity(
    X: npt.NDArray,
    k: int,
    all_cell_vectors: List[Tuple[Union[str, int], npt.NDArray]],
    affinity_func: Callable[[npt.NDArray, npt.NDArray], float]
) -> npt.NDArray

Parâmetros:

• X (npt.NDArray): Dados de entrada a serem classificados.
• k (int): Número de vizinhos mais próximos a considerar para a previsão.
• all_cell_vectors (List[Tuple[Union[str, int], npt.NDArray]]): Lista de tuplas contendo pares (nome_da_classe, vetor_da_célula).
• affinity_func (Callable[[npt.NDArray, npt.NDArray], float]): Função que recebe dois vetores e retorna um valor de afinidade.

Retorna:

• npt.NDArray: Array de rótulos previstos para cada amostra em X, baseado nos k vizinhos mais próximos.