sklearn.config_context¶
sklearn.config_context(**new_config)
全局scikit-learn配置的上下文管理器。
| 参数 | 说明 |
|---|---|
| assume_finite | bool, optional 如果为True，将跳过有限的验证，从而节省时间，但会导致潜在的崩溃。如果错误，将执行有限度验证，以避免错误。全局默认值：False。 |
| working_memory | int, optional 如果设置了，scikit-learn将尝试将临时数组的大小限制在MIB这个数量(并行化时每个作业)，在以块形式执行的昂贵操作中， 这通常会节省计算时间和内存 。全局默认值：1024 |
| print_changed_only | bool, optional 如果为True，则在打印估计器时，只有设置为非默认值的参数才会被打印出来。比如， print(SVC())，当为True， 只会打印‘SVC()’， 但是当为False会打印所有未修改的参数‘SVC(C=1.0, cache_size=200, …)’默认是：Default is True。 在0.23版本中更改：默认值从false更改为True。 |
| display | {‘text’, ‘diagram’}, optional 如果是‘diagram’，估计器将在notebook环境的jupyter lab 中显示为文本。 如果是'text'，估计器将显示为文本。默认是'text'。 New in version 0.23. |
另见：
设置全局scikit-learn配置
检索全局配置的当前值。
注
当上下文管理器退出时，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。这不是线程安全的。
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, ...
