set_config#
- sklearn.set_config(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)#
设置全局scikit-learn配置。
Added in version 0.19.
- Parameters:
- assume_finitebool, default=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，将执行有限性验证，避免错误。全局默认值：False。
Added in version 0.19.
- working_memoryint, default=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。全局默认值：1024。
Added in version 0.20.
- print_changed_onlybool, default=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，
print(SVC())在True时只会打印 ‘SVC()’，而默认行为是打印 ‘SVC(C=1.0, cache_size=200, …)’ 包含所有未更改的参数。Added in version 0.21.
- display{‘text’, ‘diagram’}, default=None
如果为’diagram’，在Jupyter lab或notebook上下文中将估计器显示为图表。如果为’text’，将估计器显示为文本。默认值为’diagram’。
Added in version 0.23.
- pairwise_dist_chunk_sizeint, default=None
加速的成对距离缩减后端每块的行向量数量。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, default=None
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, default=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 User Guide 。
Added in version 1.2.
- transform_outputstr, default=None
配置
transform和fit_transform的输出。有关如何使用API的示例，请参阅 介绍 set_output API 。
"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:
"polars"选项已添加。- enable_metadata_routingbool, default=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 metadata routing user guide 。
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, default=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.
See also
config_context全局scikit-learn配置的上下文管理器。
get_config检索当前全局配置的值。
Examples
>>> from sklearn import set_config >>> set_config(display='diagram')
