9566

IsotonicRegression(등장성 회귀) class sklearn.isotonic.IsotonicRegression(*, y_min=None, y_max=None, increasing=True, out_of_bounds='nan') from sklearn.isotonic import IsotonicRegression IsotonicRegression 파라미터 y_min = float, default=None # 가장 낮은 예측값의 하한값(최소값은 여전히 ​​높을 수 있음). 설정하지 않으면 기본값은 -inf입니다. y_max = float, default=None # 가장 높은 예측 값의 상한값(최대값은 여전히 ​​낮을 수 있음). 설정하지 않으면 기본값은 +inf입니다. increasing = ..

PartialDependenceDisplay class sklearn.inspection.PartialDependenceDisplay(pd_results, *, features, feature_names, target_idx, pdp_lim, deciles, kind='average', subsample=1000, random_state=None) from sklearn.inspection import PartialDependenceDisplay PartialDependenceDisplay 파라미터 pd_results = list of Bunch # 변수에 대한 partial_dependence 결과 features = list of (int,) or list of (int, int) # 변수의 인덱스 ..

이전글 : 2021.12.29 - [/[Sklearn]] - sklearn.inspection.partial_dependence(이론) sklearn.inspection.partial_dependence(이론) partial_dependence Partial Dependence Function(부분의존도 함수) 용어 : partial는 회귀계수(가중치)를 의미한다. 베이스 : 주변확률분포 사용 목적 : target과 관심있는 변수의 평균영향력 or 관계를 알고자.. 9566.tistory.com partial_dependence sklearn.inspection.partial_dependence(estimator, X, features, *, response_method='auto', percentile..

MissingIndicator class sklearn.impute.MissingIndicator(*, missing_values=nan, features='missing-only', sparse='auto', error_on_new=True) from sklearn.impute import MissingIndicator MissingIndicator 파라미터 missing_values = {int, float, str, np.nan, None}, default=np.nan features = {‘missing-only’, ‘all’}, default=’missing-only’ sparse = bool or ‘auto’, default=’auto’ 'auto'(기본값) 경우, imputer 마스크는 입력..

IterativeImputer(회귀대치) class sklearn.impute.IterativeImputer(estimator=None, *, missing_values=nan, sample_posterior=False, max_iter=10, tol=0.001, n_nearest_features=None, initial_strategy='mean', imputation_order='ascending', skip_complete=False, min_value=- inf, max_value=inf, verbose=0, random_state=None, add_indicator=False) from sklearn.experimental import enable_iterative_imputer from skl..

SimpleImputer class sklearn.impute.SimpleImputer(*, missing_values=nan, strategy='mean', fill_value=None, verbose=0, copy=True, add_indicator=False) from sklearn.impute import SimpleImputer SimpleImputer 파라미터 missing_values = {int, float, str, np.nan or None}, default=np.nan strategy = str, default=’mean’ # mean, median, constant : 숫자형 # most_frequent : 숫자형, 범주형 fill_value = {str, numerical valu..