sklearn.config_context?
sklearn.config_context(**new_config)
全局scikit-learn配置的上下文管理器。
| 參數 | 說明 |
|---|---|
| assume_finite | bool, optional 如果為True，將跳過有限的驗證，從而節省時間，但會導致潛在的崩潰。如果錯誤，將執行有限度驗證，以避免錯誤。全局默認值：False。 |
| working_memory | int, optional 如果設置了，scikit-learn將嘗試將臨時數組的大小限制在MIB這個數量(并行化時每個作業)，在以塊形式執行的昂貴操作中， 這通常會節省計算時間和內存 。全局默認值：1024 |
| print_changed_only | bool, optional 如果為True，則在打印估計器時，只有設置為非默認值的參數才會被打印出來。比如， print(SVC())，當為True， 只會打印‘SVC()’， 但是當為False會打印所有未修改的參數‘SVC(C=1.0, cache_size=200, …)’默認是：Default is True。 在0.23版本中更改：默認值從false更改為True。 |
| display | {‘text’, ‘diagram’}, optional 如果是‘diagram’，估計器將在notebook環境的jupyter lab 中顯示為文本。 如果是'text'，估計器將顯示為文本。默認是'text'。 New in version 0.23. |
另見：
設置全局scikit-learn配置
檢索全局配置的當前值。
注
當上下文管理器退出時，所有設置，不僅僅是當前修改的設置，都將返回到它們以前的值。這不是線程安全的。
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, ...