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)[Quelle]#

Kontextmanager, um die globale scikit-learn-Konfiguration vorübergehend zu ändern.

Dieser Kontextmanager kann verwendet werden, um scikit-learn-Konfigurationsänderungen innerhalb des Geltungsbereichs der with-Anweisung anzuwenden. Sobald der Kontext verlassen wird, wird die globale Konfiguration wiederhergestellt.

Die standardmäßigen globalen Konfigurationen (die beim Importieren von scikit-learn wirksam werden) sind unten in der Parameterliste definiert.

Parameter:
assume_finitebool, Standard=None

Wenn True, wird die Validierung auf Endlichkeit übersprungen, was Zeit spart, aber zu möglichen Abstürzen führt. Wenn False, wird die Validierung auf Endlichkeit durchgeführt, was Fehler vermeidet. Wenn None, ändert sich die bestehende Konfiguration nicht. Globaler Standard: False.

working_memoryint, Standard=None

Wenn gesetzt, versucht scikit-learn, die Größe temporärer Arrays auf diese Anzahl von MiB zu begrenzen (pro Job bei Parallelisierung), wodurch oft sowohl Rechenzeit als auch Speicher bei teuren Operationen, die in Chunks durchgeführt werden können, gespart werden. Wenn None, ändert sich die bestehende Konfiguration nicht. Globaler Standard: 1024.

print_changed_onlybool, Standard=None

Wenn True, werden nur die Parameter, die auf Nicht-Standardwerte gesetzt wurden, beim Drucken eines Schätzers ausgegeben. Zum Beispiel: print(SVC()) während True nur ‘SVC()’ ausgibt, aber ‘SVC(C=1.0, cache_size=200, …)’ mit allen nicht geänderten Parametern ausgeben würde, wenn False. Wenn None, ändert sich die bestehende Konfiguration nicht. Globaler Standard: True.

Geändert in Version 0.23: Der globale Standardwert wurde von False auf True geändert.

display{‘text’, ‘diagram’}, Standard=None

Wenn ‘diagram’, werden Schätzer als Diagramm in einem Jupyter Lab oder Notebook-Kontext angezeigt. Wenn ‘text’, werden Schätzer als Text angezeigt. Wenn None, ändert sich die bestehende Konfiguration nicht. Globaler Standard: ‘diagram’.

Hinzugefügt in Version 0.23.

pairwise_dist_chunk_sizeint, Standard=None

Die Anzahl der Zeilenvektoren pro Chunk für das beschleunigte Backend zur Reduzierung paarweiser Distanzen. Globaler Standard: 256 (geeignet für die meisten Cache-Speicher und Architekturen moderner Laptops).

Gedacht für einfacheres Benchmarking und Testen der internen Bestandteile von scikit-learn. Endbenutzer werden voraussichtlich nicht von der Anpassung dieser Konfigurationseinstellung profitieren.

Hinzugefügt in Version 1.1.

enable_cython_pairwise_distbool, Standard=None

Verwendet das beschleunigte Backend zur Reduzierung paarweiser Distanzen, wenn möglich. Globaler Standard: True.

Gedacht für einfacheres Benchmarking und Testen der internen Bestandteile von scikit-learn. Endbenutzer werden voraussichtlich nicht von der Anpassung dieser Konfigurationseinstellung profitieren.

Hinzugefügt in Version 1.1.

array_api_dispatchbool, Standard=None

Verwendet Array-API-Dispatching, wenn die Eingaben dem Array-API-Standard folgen. Globaler Standard: False.

Weitere Details finden Sie im Benutzerhandbuch.

Hinzugefügt in Version 1.2.

transform_outputstr, Standard=None

Konfiguriert die Ausgabe von transform und fit_transform.

Siehe Einführung in die set_output API für ein Beispiel zur Verwendung der API.

  • "default": Standardausgabeformat eines Transformers

  • "pandas": DataFrame-Ausgabe

  • "polars": Polars-Ausgabe

  • None: Die Transformationskonfiguration bleibt unverändert

Globaler Standard: „default“.

Hinzugefügt in Version 1.2.

Hinzugefügt in Version 1.4: Die Option "polars" wurde hinzugefügt.

enable_metadata_routingbool, Standard=None

Aktiviert Metadaten-Routing. Standardmäßig ist diese Funktion deaktiviert.

Weitere Details finden Sie im Benutzerhandbuch für Metadaten-Routing.

  • True: Metadaten-Routing ist aktiviert

  • False: Metadaten-Routing ist deaktiviert, verwenden Sie die alte Syntax.

  • None: Konfiguration wird nicht geändert

Globaler Standard: False.

Hinzugefügt in Version 1.3.

skip_parameter_validationbool, Standard=None

Wenn True, wird die Validierung von Parametertypen und -werten in der fit-Methode von Schätzern und für Argumente, die an öffentliche Hilfsfunktionen übergeben werden, deaktiviert. Dies kann in einigen Situationen Zeit sparen, aber zu Low-Level-Abstürzen und Ausnahmen mit verwirrenden Fehlermeldungen führen. Globaler Standard: False.

Beachten Sie, dass für Datenparameter wie X und y nur die Typvalidierung übersprungen wird, die Validierung mit check_array jedoch weiterhin ausgeführt wird.

Hinzugefügt in Version 1.3.

Gibt:
None.

Siehe auch

set_config

Globale scikit-learn-Konfiguration festlegen.

get_config

Ruft aktuelle Werte der globalen Konfiguration ab.

Anmerkungen

Alle Einstellungen, nicht nur die gerade geänderten, werden bei Verlassen des Kontextmanagers auf ihre vorherigen Werte zurückgesetzt.

Beispiele

>>> 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...
Auf dieser Seite

Diese Seite