plot_contour

optuna.visualization.matplotlib.plot_contour(study, params=None, *, target=None, target_name='Objective Value')

使用 Matplotlib 在 study 中绘制参数关系的等高线图。

请注意，如果参数包含缺失值，则不会绘制具有缺失值的试验。

另请参阅

有关示例，请参阅 optuna.visualization.plot_contour()。

参数:

• study (Study) – 一个 Study 对象，其试验的 target 值将被绘制。

• params (list[str] | None) – 要可视化的参数列表。默认为所有参数。

• target (Callable[[FrozenTrial], float] | None) –

  一个指定要显示值的函数。如果它是 None 并且 study 用于单目标优化，则绘制目标值。

  注意

  如果 study 用于多目标优化，请指定此参数。

• target_name (str) – 要在颜色条上显示的目标名称。

返回值:

一个 matplotlib.axes.Axes 对象。

返回类型:

Axes

注意

当 target 参数不为 None 或 Study 的 direction 为 minimize 时，色图会反转。

注意

在 v2.2.0 中作为实验性特性添加。接口在后续版本中可能会发生更改，恕不另行通知。请参阅 https://github.com/optuna/optuna/releases/tag/v2.2.0。

以下代码片段展示了如何将参数关系绘制为等高线图。

/home/docs/checkouts/readthedocs.org/user_builds/optuna/checkouts/stable/docs/visualization_matplotlib_examples/optuna.visualization.matplotlib.contour.py:25: ExperimentalWarning:

plot_contour is experimental (supported from v2.2.0). The interface can change in the future.


<Axes: title={'center': 'Contour Plot'}, xlabel='x', ylabel='y'>

import optuna


def objective(trial):
    x = trial.suggest_float("x", -100, 100)
    y = trial.suggest_categorical("y", [-1, 0, 1])
    return x**2 + y


sampler = optuna.samplers.TPESampler(seed=10)
study = optuna.create_study(sampler=sampler)
study.optimize(objective, n_trials=30)

optuna.visualization.matplotlib.plot_contour(study, params=["x", "y"])