Ctrl+K

config_context#

sklearn.config_context(*, 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)[源代码]#

用于全球scikit-learn配置的上下文管理器。

参数:
assume_finitebool，默认值=无

如果为True，有限性验证将被跳过，从而节省时间，但会导致潜在的崩溃。如果为假，将执行有限性验证，以避免错误。如果无，则现有值不会更改。默认值为False。

working_memoryint，默认=无

如果设置了，scikit-learn将尝试将临时阵列的大小限制在这个MiB数量（并行化时每个作业），这通常可以节省计算时间和可以分块执行的昂贵操作的内存。如果无，则现有值不会更改。默认值为1024。

print_changed_onlybool，默认值=无

如果为True，则在打印估计值时仅打印设置为非默认值的参数。例如， print(SVC()) 而True将仅打印“SRC（RST）”，但会打印“SRC（C=1.0，ache_size=200，.）'当为假时，所有未更改的参数。如果无，则现有值不会更改。默认值为True。

在 0.23 版本发生变更: 默认值从False更改为True。

display' text '，'}，默认=无

如果“未”，估计值将在Inbox实验室或笔记本上下文中显示为图表。如果为“文本”，则估计值将显示为文本。如果无，则现有值不会更改。默认值为“”。

Added in version 0.23.

pairwise_dist_chunk_sizeint，默认=无

加速成对距离缩减后台的每个块的行载体数量。默认值为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。最终用户预计不会从自定义此配置设置中受益。

Added in version 1.1.

enable_cython_pairwise_distbool，默认值=无

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。最终用户预计不会从自定义此配置设置中受益。

Added in version 1.1.

array_api_dispatchbool，默认值=无

当输入遵循数组API标准时，请使用数组API调度。默认为假。

看到 User Guide 了解更多详细信息。

Added in version 1.2.

transform_output字符串，默认=无

配置输出 transform 和 fit_transform .

看到 介绍 set_output API 了解如何使用API的示例。

  • "default" ：Transformer的默认输出格式

  • "pandas" ：DataFrame输出

  • "polars" ：两极输出

  • None ：转换配置不变

Added in version 1.2.

Added in version 1.4: "polars" 添加了选项。

enable_metadata_routingbool，默认值=无

启用元数据路由。默认情况下，此功能被禁用。

参阅 metadata routing user guide 了解更多详细信息。

  • True ：元数据路由已启用

  • False ：元数据路由已禁用，请使用旧语法。

  • None ：配置不变

Added in version 1.3.

skip_parameter_validationbool，默认值=无

如果 True ，禁用对估计器的fit方法中的超参数类型和值的验证，以及对传递给公共助手函数的参数的验证。在某些情况下，它可以节省时间，但可能会导致低级崩溃和异常，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 ，只跳过类型验证，但 check_array 将继续运行。

Added in version 1.3.

收益率:
没有。

参见

set_config

设置全局scikit-learn配置。

get_config

卸载全局配置的当前值。

注意到

所有的设置，而不仅仅是那些当前修改的设置，在退出上下文管理器时将返回到它们以前的值。

示例

>>> 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...
On this page