plot_param_importances

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

使用 Matplotlib 绘制超参数重要性图。

另请参阅

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

参数:

• study (Study) – 一个优化过的 study。

• evaluator (BaseImportanceEvaluator | None) – 一个重要性评估器对象，用于指定基于哪个算法进行重要性评估。默认为 FanovaImportanceEvaluator。

• params (list[str] | None) – 要评估的参数名称列表。如果为 None，则评估所有在所有已完成的 trial 中存在的参数。

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

  一个用于指定要显示的值的函数。如果为 None 且 study 被用于单目标优化，则绘制目标值。对于多目标优化，如果 target 为 None，则将绘制所有目标。

  注意

  如果 study 被用于多目标优化，此参数可用于指定要绘制哪个目标。例如，要仅获取第一个目标的超参数重要性，请使用 target=lambda t: t.values[0] 作为目标参数。

• target_name (str) – 要显示在轴标签上的目标的名称。如果 target 为 None，则将使用通过 set_metric_names() 设置的名称，这将覆盖此参数。

返回:

一个 matplotlib.axes.Axes 对象。

返回类型:

Axes

注意

于 v2.2.0 添加为实验性功能。接口可能在未来版本中更改，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绘制超参数重要性。

/home/docs/checkouts/readthedocs.org/user_builds/optuna/checkouts/stable/docs/visualization_matplotlib_examples/optuna.visualization.matplotlib.param_importances.py:26: ExperimentalWarning:

optuna.visualization.matplotlib._param_importances.plot_param_importances is experimental (supported from v2.2.0). The interface can change in the future.


<Axes: title={'left': 'Hyperparameter Importances'}, xlabel='Hyperparameter Importance', ylabel='Hyperparameter'>

import optuna


def objective(trial):
    x = trial.suggest_int("x", 0, 2)
    y = trial.suggest_float("y", -1.0, 1.0)
    z = trial.suggest_float("z", 0.0, 1.5)
    return x**2 + y**3 - z**4


sampler = optuna.samplers.RandomSampler(seed=10)
study = optuna.create_study(sampler=sampler)
study.optimize(objective, n_trials=100)

optuna.visualization.matplotlib.plot_param_importances(study)