sklearn.inspection.PartialDependenceDisplay 파라미터 정리
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
feature_names = list of str
# 변수명
target_idx = int
# 타겟 인덱스, 이중분류일땐 1
pdp_lim = dict
# 모든 플롯이 동일한 스케일 및 y 제한을 갖도록 전역 최소 및 최대 평균 예측.
# pdp_lim[1]단일 부분 종속 곡선에 대한 전역 최소값 및 최대값입니다.
# pdp_lim[2]양방향 부분 종속 곡선에 대한 전역 최소값 및 최대값입니다.
deciles = dict
# 십분위수
kind = {‘average’, ‘individual’, ‘both’}, default=’average’
# kind='average'는 전통적인 PD 플롯
# kind='individual'는 ICE 플롯
subsample = float, int or None, default=1000
# kind = {‘individual’, ‘both’}일 때, 즉, ICE 곡선에 대한 샘플링
# float인 경우 0.0에서 1.0 사이여야 하며 ICE 곡선을 그리는 데 사용할 데이터 세트의 비율을 나타냅니다. int인 경우 사용할 샘플의 최대 절대 수를 나타냅니다.
random_state = int, RandomState instance or None, default=None