小编FCh*_*Chm的帖子

我正在编写一些代码，根据某些数据评估不同的 sklearn 模型。我正在使用类型提示，既是为了我自己的教育，也是为了帮助最终必须阅读我的代码的其他人。

我的问题是如何指定 sklearn 预测器的类型（例如LinearRegression()）？

例如：

def model_tester(model : Predictor,
                 parameter: int
                 ) -> np.ndarray:
     """An example function with type hints."""

     # do stuff to model 

     return values

我看到打字库可以创建新类型，或者我可以TypeVar用来做：

Predictor = TypeVar('Predictor') 

但如果 sklearn 模型已经有传统类型，我就不想使用它。

检查 LinearRegression() 的类型产生：

 sklearn.linear_model.base.LinearRegression

这显然很有用，但前提是我对 LinearRegression 模型感兴趣。

我正在处理具有混合稀疏/密集列的数据集。由于稀疏列的数量大大超过了密集列的数量，我想看看是否可以使用Pandas 中的稀疏数据结构以有效的方式存储这些列。但是，在测试功能时，我发现具有稀疏列的数据框似乎占用更多内存，请考虑以下示例：

import numpy as np
import pandas as pd

a = np.zeros(10000000)
b = np.zeros(10000000)
a[3000:3100] = 2
b[300:310] = 1

df = pd.DataFrame({'a':pd.SparseArray(a), 'b':pd.SparseArray(b)})
print(df.info())

这打印memory usage: 228.9 MB. 下一个：

df = pd.DataFrame({'a':a, 'b':b})
print(df.info())

这打印memory usage: 152.6 MB.

非稀疏数据帧占用的空间更少吗？我误会了吗？

安装信息：

• 熊猫 0.25.0
• 蟒蛇 3.7.2

我一直在使用XGBoost库来开发二进制分类模型。训练我的模型后，我对可视化单个树感兴趣，以更好地理解我的模型预测。

为此，XGBoost 提供了一个plot_tree函数，但它只显示特征的整数索引。这是我的一棵树的示例：

如何在此图像中包含特征名称而不是特征索引 ( f28)？