Вы можете получить самые близкие к тому, что вы хотите с sklearn.utils
и inspect
. Вы можете получить список всех классов sklearn или просто классификаторов, таких как:
from sklearn.utils.testing import all_estimators
all_est = all_estimators(type_filter=None)
all_classifiers = all_estimators(type_filter="classifier")
. Затем с помощью inspect
вы можете получить аргументы классификаторов .fit
, например:
import inspect
all_classifiers_fit_args = {}
for name, clf in all_classifiers:
all_classifiers_fit_args[name] = inspect.signature(clf.fit)
Наконец, вы можете поместить информацию в pandas df:
df = pd.DataFrame(all_classifiers_fit_args.items(), columns=["fit_classifier", "args"])
df
fit_classifier args
0 AdaBoostClassifier (self, X, y, sample_weight=None)
1 BaggingClassifier (self, X, y, sample_weight=None)
2 BernoulliNB (self, X, y, sample_weight=None)
3 CalibratedClassifierCV (self, X, y, sample_weight=None)
4 CategoricalNB (self, X, y, sample_weight=None)
5 CheckingClassifier (self, X, y, **fit_params)
6 ClassifierChain (self, X, Y)
7 ComplementNB (self, X, y, sample_weight=None)
8 DecisionTreeClassifier (self, X, y, sample_weight=None, check_input=T...
...
В качестве альтернативы вы можете получить доступ к аргументам самих классификаторов:
for name, clf in all_classifiers:
all_classifiers_args[name] = inspect.signature(clf)
df = pd.DataFrame(all_classifiers_args.items(), columns=["classifier", "args"])
df
classifier args
0 AdaBoostClassifier (base_estimator=None, n_estimators=50, learnin...
1 BaggingClassifier (base_estimator=None, n_estimators=10, max_sam...
2 BernoulliNB (alpha=1.0, binarize=0.0, fit_prior=True, clas...
3 CalibratedClassifierCV (base_estimator=None, method='sigmoid', cv=None)
4 CategoricalNB (alpha=1.0, fit_prior=True, class_prior=None)
5 CheckingClassifier (check_y=None, check_X=None, foo_param=0, expe...
6 ClassifierChain (base_estimator, order=None, cv=None, random_s...
7 ComplementNB (alpha=1.0, fit_prior=True, class_prior=None, ...
8 DecisionTreeClassifier (criterion='gini', splitter='best', max_depth=...
...