Representaciones compactas de los estimadores

Este ejemplo ilustra el uso del parámetro global print_changed_only.

Si se establece print_changed_only en True, se alternará la representación de los estimadores para mostrar sólo los parámetros que se han establecido en valores no predeterminados. Esto puede utilizarse para tener representaciones más compactas.

Out:

Default representation:
LogisticRegression(penalty='l1')

With changed_only option:
LogisticRegression(penalty='l1')

print(__doc__)

from sklearn.linear_model import LogisticRegression
from sklearn import set_config


lr = LogisticRegression(penalty='l1')
print('Default representation:')
print(lr)
# LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,
#                    intercept_scaling=1, l1_ratio=None, max_iter=100,
#                    multi_class='auto', n_jobs=None, penalty='l1',
#                    random_state=None, solver='warn', tol=0.0001, verbose=0,
#                    warm_start=False)

set_config(print_changed_only=True)
print('\nWith changed_only option:')
print(lr)
# LogisticRegression(penalty='l1')