sklearn.inspection.partial_dependence 파라미터 정리

이전글 : 2021.12.29 - [/[Sklearn]] - sklearn.inspection.partial_dependence(이론)

sklearn.inspection.partial_dependence(이론)

 

partial_dependence

sklearn.inspection.partial_dependence(estimator, X, features, *, response_method='auto', 
percentiles=(0.05, 0.95), grid_resolution=100, method='auto', kind='legacy')

from sklearn.inspection import partial_dependence

 

partial_dependence 파라미터

estimator = BaseEstimator

# 랜덤포레스트, 그레디언트 부스팅 등

X = {array-like or dataframe} of shape (n_samples, n_features)

# X_train

features = array-like of {int, str}

# 관심있는 변수

response_method = {‘auto’, ‘predict_proba’, ‘decision_function’}, default=’auto’

# predict_proba = 소프트 투표, 값
# decision_function = 하드투표, 이진/다중 분류 

percentiles = tuple of float, default=(0.05, 0.95)

# 그리드의 극한값을 생성하는 데 사용되는 하위 및 상위 백분위수입니다. [0, 1]에 있어야 합니다.

grid_resolution = int, default=100

# 각 y에 대해 그리드에서 동일한 간격의 포인트 수입니다.

method = {‘auto’, ‘recursion’, ‘brute’}, default=’auto’

# recursion = 트리기반 estimator
# brute = 그 이외의 estimator

kind = { ‘average’, ‘individual’, ‘both’}, default=’average’

# 데이터세트의 모든 샘플에서 평균화된 부분 종속성을 반환할지, 샘플당 한 줄 또는 둘 다 반환할지 여부입니다.