plot_contour

optuna.visualization.matplotlib.plot_contour(study, params=None, *, target=None, target_name='Objective Value')

使用 Matplotlib 在研究中绘制参数关系的等高线图。

请注意，如果参数包含缺失值，则不会绘制包含缺失值的试验。

参见

请参考 optuna.visualization.plot_contour() 的示例。

警告

基于 Matplotlib 的 plot_contour() 函数的输出图形将与基于 Plotly 的 plot_contour() 函数的输出图形不同。

参数:

• study (Study) – 一个 Study 对象，其试验根据目标值进行绘制。

• params (list[str] | None) – 要可视化的参数列表。默认是所有参数。

• target (Callable[[FrozenTrial], float] | None) –

  A function to specify the value to display. If it is None and study is being used for single-objective optimization, the objective values are plotted.

  备注

  如果 study 用于多目标优化，请指定此参数。

• target_name (str) – 在颜色条上显示的目标名称。

返回:

一个 matplotlib.axes.Axes 对象。

返回类型:

Axes

备注

The colormap is reversed when the target argument isn’t None or direction of Study is minimize.

备注

作为实验性功能在 v2.2.0 中添加。接口可能会在更新版本中未经事先通知而更改。请参阅 https://github.com/optuna/optuna/releases/tag/v2.2.0。

以下代码片段展示了如何绘制参数关系的等高线图。

/Users/cw/baidu/code/fin_tool/github/optuna/docs/visualization_matplotlib_examples/optuna.visualization.matplotlib.contour.py:25: ExperimentalWarning:

plot_contour is experimental (supported from v2.2.0). The interface can change in the future.


<Axes: title={'center': 'Contour Plot'}, xlabel='x', ylabel='y'>

import optuna


def objective(trial):
    x = trial.suggest_float("x", -100, 100)
    y = trial.suggest_categorical("y", [-1, 0, 1])
    return x**2 + y


sampler = optuna.samplers.TPESampler(seed=10)
study = optuna.create_study(sampler=sampler)
study.optimize(objective, n_trials=30)

optuna.visualization.matplotlib.plot_contour(study, params=["x", "y"])