set_config#
- sklearn.set_config(assume_finite=None, working_memory=None, print_changed_only=None, display=None, pairwise_dist_chunk_size=None, enable_cython_pairwise_dist=None, array_api_dispatch=None, transform_output=None, enable_metadata_routing=None, skip_parameter_validation=None)[source]#
设置全局scikit-learn配置。
版本 0.19 中新增。
- 参数:
- assume_finitebool, default=None
如果为 True,则跳过有限性验证,节省时间,但可能导致程序崩溃。如果为 False,则执行有限性验证,避免错误。全局默认值:False。
版本 0.19 中新增。
- working_memoryint, default=None
如果设置,scikit-learn 将尝试将临时数组的大小限制为 MiB (并行化时每个作业) 的这个数字,通常可以在昂贵的可分块操作中节省计算时间和内存。全局默认值:1024。
版本 0.20 中新增。
- print_changed_onlybool, default=None
如果为 True,则打印估计器时,只打印设置为非默认值的参数。例如,当为 True 时,
print(SVC())
只会打印 ‘SVC()’,而默认行为是打印 ‘SVC(C=1.0, cache_size=200, …)’,其中包含所有未更改的参数。版本 0.21 中新增。
- display{‘text’, ‘diagram’}, default=None
如果为 ‘diagram’,则在 Jupyter lab 或 notebook 环境中,估计器将显示为图表。如果为 ‘text’,则估计器将显示为文本。默认为 ‘diagram’。
版本 0.23 中新增。
- pairwise_dist_chunk_sizeint, default=None
加速成对距离缩减后端的每块行向量数。默认为 256(适合大多数现代笔记本电脑的缓存和架构)。
旨在更轻松地对 scikit-learn 内部进行基准测试和测试。预计最终用户不会从自定义此配置设置中受益。
版本 1.1 中新增。
- enable_cython_pairwise_distbool, default=None
尽可能使用加速的成对距离缩减后端。全局默认值:True。
旨在更轻松地对 scikit-learn 内部进行基准测试和测试。预计最终用户不会从自定义此配置设置中受益。
版本 1.1 中新增。
- array_api_dispatchbool, default=None
当输入符合 Array API 标准时,使用 Array API 分派。默认为 False。
详情请参阅 用户指南。
版本 1.2 中新增。
- transform_outputstr, default=None
配置
transform
和fit_transform
的输出。有关如何使用 API 的示例,请参阅 介绍 set_output API。
"default"
:转换器的默认输出格式"pandas"
:DataFrame 输出"polars"
:Polars 输出None
:转换配置保持不变
版本 1.2 中新增。
版本 1.4 中新增: 添加了
"polars"
选项。- enable_metadata_routingbool, default=None
启用元数据路由。默认情况下,此功能被禁用。
有关详细信息,请参阅 元数据路由用户指南。
True
:启用元数据路由False
:禁用元数据路由,使用旧语法。None
:配置保持不变
版本 1.3 中新增。
- skip_parameter_validationbool, default=None
如果为
True
,则禁用估计器 fit 方法中超参数类型和值的验证,以及传递给公共辅助函数的参数。在某些情况下可以节省时间,但可能导致底层崩溃和异常,并出现令人困惑的错误消息。请注意,对于数据参数(例如
X
和y
),只会跳过类型验证,但check_array
的验证将继续运行。版本 1.3 中新增。
另请参见
config_context
全局 scikit-learn 配置的上下文管理器。
get_config
检索全局配置的当前值。
示例
>>> from sklearn import set_config >>> set_config(display='diagram')