plot_parallel_coordinate

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

使用 Matplotlib 绘制研究中的高维参数关系。

请注意，如果参数包含缺失值，则不会绘制包含缺失值的试验。

另请参阅

请参考 optuna.visualization.plot_parallel_coordinate() 查看示例。

参数：

• study (Study) – 一个 Study 对象，其试验将根据目标值绘制。

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

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

  一个函数，用于指定要显示的值。如果为 None 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) – 目标名称，用于显示在轴标签和图例上。

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，色谱图反转。

注意

作为实验性功能在 v2.2.0 中添加。接口在较新版本中可能会更改，恕不另行通知。参见 https://github.com/optuna/optuna/releases/tag/v2.2.0。

以下代码片段展示了如何绘制高维参数关系。

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

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


<Axes: title={'center': 'Parallel Coordinate Plot'}>

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=10)

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