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。
在 0.19 版本中新增。
- 参数:
- assume_finite布尔值, 默认值=无
如果为 True，将跳过有限性验证，从而节省时间，但可能导致程序崩溃。如果为 False，将执行有限性验证，避免错误。全局默认值：False。
在 0.19 版本中新增。
- working_memory整型, 默认值=无
如果设置，scikit-learn 将尝试将临时数组的大小限制在此 MiB 数（并行化时每个作业），这通常可以节省在可分块执行的昂贵操作上的计算时间和内存。全局默认值：1024。
在 0.20 版本中新增。
- print_changed_only布尔值, 默认值=无
如果为 True，则在打印估计器时，将只打印设置为非默认值的参数。例如，当为 True 时，
print(SVC())将只打印 'SVC()'，而默认行为将是打印 'SVC(C=1.0, cache_size=200, ...)'，其中包含所有未更改的参数。在 0.21 版本中新增。
- display{'text', 'diagram'}, 默认值=无
如果为 'diagram'，估计器将在 Jupyter lab 或 notebook 环境中以图表形式显示。如果为 'text'，估计器将以文本形式显示。默认值为 'diagram'。
在 0.23 版本中新增。
- pairwise_dist_chunk_size整型, 默认值=无
加速成对距离约简后端中每个块的行向量数量。默认值为 256（适用于大多数现代笔记本电脑的缓存和架构）。
旨在方便 scikit-learn 内部的基准测试和功能测试。普通用户预计不会从自定义此配置设置中受益。
在 1.1 版本中新增。
- enable_cython_pairwise_dist布尔值, 默认值=无
如果可能，使用加速成对距离约简后端。全局默认值：True。
旨在方便 scikit-learn 内部的基准测试和功能测试。普通用户预计不会从自定义此配置设置中受益。
在 1.1 版本中新增。
- array_api_dispatch布尔值, 默认值=无
当输入符合 Array API 标准时，使用 Array API 分发。默认值为 False。
有关更多详细信息，请参阅用户指南。
在 1.2 版本中新增。
- transform_output字符串, 默认值=无
配置
transform和fit_transform的输出。有关如何使用此 API 的示例，请参阅set_output API 介绍。
"default": 转换器的默认输出格式"pandas": DataFrame 输出"polars": Polars 输出None: 转换配置不变
在 1.2 版本中新增。
在 1.4 版本中新增: 添加了
"polars"选项。- enable_metadata_routing布尔值, 默认值=无
启用元数据路由。此功能默认禁用。
有关更多详细信息，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: 配置不变
在 1.3 版本中新增。
- skip_parameter_validation布尔值, 默认值=无
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验证。这在某些情况下可以节省时间，但可能导致低级崩溃和带有混淆错误消息的异常。请注意，对于数据参数（例如
X和y），只跳过类型验证，但check_array的验证将继续运行。在 1.3 版本中新增。
另请参阅
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')
