Python sklearn config_context用法及代碼示例

本文簡要介紹python語言中 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。

參數：

assume_finite：布爾，默認=無

如果為 True，將跳過對有限性的驗證，從而節省時間，但會導致潛在的崩潰。如果為 False，將執行有限性驗證，避免錯誤。如果沒有，現有的值不會改變。默認值為假。

working_memory：整數，默認=無

如果設置，scikit-learn 將嘗試將臨時數組的大小限製為 MiB 的數量(並行時每個作業)，通常可以節省計算時間和可以以塊執行的昂貴操作的內存。如果沒有，現有值不會改變。默認值為 1024。

print_changed_only：布爾，默認=無

如果為 True，則在打印估算器時僅打印設置為非默認值的參數。例如，print(SVC()) while True 將僅打印“SVC()”，但在 False 時將打印帶有所有未更改參數的“SVC(C=1.0, cache_size=200, ...)”。如果沒有，現有的值不會改變。默認值是true。

display：{‘text’, ‘diagram’}，默認=無

如果‘diagram’，估計器將在 Jupyter 實驗室或筆記本上下文中顯示為圖表。如果‘text’，估計器將顯示為文本。如果沒有，現有的值不會改變。默認值為‘text’。

生成(Yield)：

None。

注意：

退出上下文管理器時，所有設置(不僅僅是當前修改的設置)都將返回到它們以前的值。

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...