Python sklearn config_context用法及代码示例

本文简要介绍python语言中 sklearn.config_context 的用法。

用法:

sklearn.config_context(*, assume_finite=None, working_memory=None, print_changed_only=None, display=None)

全局scikit-learn 配置的上下文管理器。

参数：

assume_finite：布尔，默认=无

如果为 True，将跳过对有限性的验证，从而节省时间，但会导致潜在的崩溃。如果为 False，将执行有限性验证，避免错误。如果没有，现有的值不会改变。默认值为假。

working_memory：整数，默认=无

如果设置，scikit-learn 将尝试将临时数组的大小限制为 MiB 的数量(并行时每个作业)，通常可以节省计算时间和可以以块执行的昂贵操作的内存。如果没有，现有值不会改变。默认值为 1024。

print_changed_only：布尔，默认=无

如果为 True，则在打印估算器时仅打印设置为非默认值的参数。例如，print(SVC()) while True 将仅打印“SVC()”，但在 False 时将打印带有所有未更改参数的“SVC(C=1.0, cache_size=200, ...)”。如果没有，现有的值不会改变。默认值是true。

display：{‘text’, ‘diagram’}，默认=无

如果‘diagram’，估计器将在 Jupyter 实验室或笔记本上下文中显示为图表。如果‘text’，估计器将显示为文本。如果没有，现有的值不会改变。默认值为‘text’。

生成(Yield)：

None。

注意：

退出上下文管理器时，所有设置(不仅仅是当前修改的设置)都将返回到它们以前的值。

例子：

>>> import sklearn
>>> from sklearn.utils.validation import assert_all_finite
>>> with sklearn.config_context(assume_finite=True):
...     assert_all_finite([float('nan')])
>>> with sklearn.config_context(assume_finite=True):
...     with sklearn.config_context(assume_finite=False):
...         assert_all_finite([float('nan')])
Traceback (most recent call last):
...
ValueError: Input contains NaN...