TabularPredictor.plot_ensemble_model

TabularPredictor.plot_ensemble_model(model: str = 'best', *, prune_unused_nodes: bool = True, filename: str = 'ensemble_model.png') → str[source]

输出由 fit() 训练的模型的可视化堆栈集成架构。图表存储在 predictor.path 文件夹中的文件 ensemble_model.png 中（或由 filename 中指定的名称命名）

此函数需要安装 graphviz 和 pygraphviz 包，因为此可视化依赖于这些包。否则，如果未安装，此函数将引发 ImportError，并且无法生成集成模型的可视化图表。

要安装所需的包，请运行以下命令（适用于 Ubuntu Linux）

$ sudo apt-get install graphviz graphviz-dev $ pip install pygraphviz

对于其他平台，请参阅 https://graphviz.cpp.org.cn/ 安装 Graphviz，参阅 https://pygraphviz.github.io/ 安装 PyGraphviz。

参数：

  • model (str, 默认为 'best') – 要以金橙色突出显示的模型，所有组成模型将以黄色突出显示。如果为 'best'，则默认为从 self.model_best 返回的最佳模型。

  • prune_unused_nodes (bool, 默认为 True) – 如果为 True，则仅绘制指定 model 的组成模型。如果为 False，则将绘制所有模型。

  • filename (str, 默认为 'ensemble_model.png') – 保存图表的文件名。将位于 self.path 文件夹下。

返回类型：

磁盘上保存的图形文件的名称以及完整路径。

示例

>>> from autogluon.tabular import TabularDataset, TabularPredictor
>>> train_data = TabularDataset('train.csv')
>>> predictor = TabularPredictor(label='class').fit(train_data)
>>> path_to_png = predictor.plot_ensemble_model()
>>>
>>> # To view the plot inside a Jupyter Notebook, use the below code:
>>> from IPython.display import Image, display
>>> display(Image(filename=path_to_png))