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)#
上下文管理器用于全局scikit-learn配置。
- Parameters:
- assume_finitebool, 默认=None
如果为True，将跳过有限性的验证，节省时间，但可能导致潜在的崩溃。如果为False，将执行有限性的验证，避免错误。如果为None，现有值不会改变。默认值为False。
- working_memoryint, 默认=None
如果设置，scikit-learn将尝试将临时数组的大小限制为此数量的MiB（在并行化时每个作业），通常在可以分块执行的昂贵操作中节省计算时间和内存。如果为None，现有值不会改变。默认值为1024。
- print_changed_onlybool, 默认=None
如果为True，在打印估计器时只会打印设置为非默认值的参数。例如，当为True时，
print(SVC())只会打印’SVC()’，但当为False时，会打印’SVC(C=1.0, cache_size=200, …)’，包含所有未更改的参数。如果为None，现有值不会改变。默认值为True。Changed in version 0.23: 默认值从False改为True。
- display{‘text’, ‘diagram’}, 默认=None
如果为’diagram’，在Jupyter lab或notebook上下文中，估计器将显示为图表。如果为’text’，估计器将显示为文本。如果为None，现有值不会改变。默认值为’diagram’。
Added in version 0.23.
- pairwise_dist_chunk_sizeint, 默认=None
加速的成对距离缩减后端的每块行向量数。默认值为256（适用于大多数现代笔记本电脑的缓存和架构）。
旨在更容易地对scikit-learn内部进行基准测试和测试。终端用户不太可能从自定义此配置设置中受益。
Added in version 1.1.
- enable_cython_pairwise_distbool, 默认=None
在可能的情况下使用加速的成对距离缩减后端。全局默认值：True。
旨在更容易地对scikit-learn内部进行基准测试和测试。终端用户不太可能从自定义此配置设置中受益。
Added in version 1.1.
- array_api_dispatchbool, 默认=None
当输入遵循Array API标准时使用Array API分派。默认值为False。
有关更多详细信息，请参阅:ref:
用户指南 <array_api>。Added in version 1.2.
- transform_outputstr, 默认=None
配置
transform和fit_transform的输出。有关如何使用API的示例，请参阅:ref:
sphx_glr_auto_examples_miscellaneous_plot_set_output.py。"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
Added in version 1.2.
Added in version 1.4: 添加了
"polars"选项。- enable_metadata_routingbool, 默认=None
启用元数据路由。默认情况下，此功能是禁用的。
有关更多详细信息，请参阅:ref:
元数据路由用户指南 <metadata_routing>。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
Added in version 1.3.
- skip_parameter_validationbool, 默认=None
如果为
True，在估计器的fit方法中和对公共辅助函数传递的参数禁用超参数类型和值的验证。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，如
X和y，仅跳过类型验证，但使用check_array的验证将继续运行。Added in version 1.3.
- Yields:
- None.
See also
set_config设置全局scikit-learn配置。
get_config检索当前全局配置的值。
Notes
所有设置，不仅仅是当前修改的设置，将在上下文管理器退出时恢复到之前的值。
Examples
>>> 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...
