Scikit learn 是否有与插入符号'等价的符号；Scikit学习中的getmodelinfo（）函数？

我正在尝试创建一个数据框架，其中包含来自Scikit Learn的所有算法以及每个算法的元数据。在R中的插入符号中，有一个名为

getmodelinfo（）

的函数可以执行此操作

---

Scikit Learn中是否有类似的工具？

您可以使用

sklearn.utils

和

inspect

获得最接近您想要的工具。例如，您可以获得所有sklearn类的列表，或只是分类器，如：

from sklearn.utils.testing import all_estimators
all_est = all_estimators(type_filter=None)
all_classifiers = all_estimators(type_filter="classifier")

然后在

inspect

的帮助下，您可以检索分类器的参数

。fit

方法如下：

import inspect
all_classifiers_fit_args = {}
for name, clf in all_classifiers:
    all_classifiers_fit_args[name] = inspect.signature(clf.fit)

最后，您可以将信息放入以下文件：

df = pd.DataFrame(all_classifiers_fit_args.items(), columns=["fit_classifier", "args"])
df
    fit_classifier  args
0   AdaBoostClassifier  (self, X, y, sample_weight=None)
1   BaggingClassifier   (self, X, y, sample_weight=None)
2   BernoulliNB (self, X, y, sample_weight=None)
3   CalibratedClassifierCV  (self, X, y, sample_weight=None)
4   CategoricalNB   (self, X, y, sample_weight=None)
5   CheckingClassifier  (self, X, y, **fit_params)
6   ClassifierChain (self, X, Y)
7   ComplementNB    (self, X, y, sample_weight=None)
8   DecisionTreeClassifier  (self, X, y, sample_weight=None, check_input=T...
...

或者，您可以访问分类器本身的参数：

for name, clf in all_classifiers:
    all_classifiers_args[name] = inspect.signature(clf)
df = pd.DataFrame(all_classifiers_args.items(), columns=["classifier", "args"])
df
    classifier  args
0   AdaBoostClassifier  (base_estimator=None, n_estimators=50, learnin...
1   BaggingClassifier   (base_estimator=None, n_estimators=10, max_sam...
2   BernoulliNB (alpha=1.0, binarize=0.0, fit_prior=True, clas...
3   CalibratedClassifierCV  (base_estimator=None, method='sigmoid', cv=None)
4   CategoricalNB   (alpha=1.0, fit_prior=True, class_prior=None)
5   CheckingClassifier  (check_y=None, check_X=None, foo_param=0, expe...
6   ClassifierChain (base_estimator, order=None, cv=None, random_s...
7   ComplementNB    (alpha=1.0, fit_prior=True, class_prior=None, ...
8   DecisionTreeClassifier  (criterion='gini', splitter='best', max_depth=...
...