如何从PyCaret及调优后模型中获取训练测试数据集拆分？

1. 获取初始训练与测试数据集拆分 #

PyCaret在执行setup()初始化实验后，会自动完成数据集拆分，你可以通过get_config()函数直接提取拆分后的数据集：

• 首先初始化实验并保存返回对象：

  from pycaret.classification import setup, get_config  # 回归任务替换为pycaret.regression模块
  
  # 替换your_data和target_column为你的数据集和目标列名
  exp = setup(data=your_data, target='target_column')
  

• 提取拆分后的数据集：

  X_train = get_config('X_train')
  X_test = get_config('X_test')
  y_train = get_config('y_train')
  y_test = get_config('y_test')
  

get_config()可以调用setup阶段生成的所有内部变量，这里的数据集就是按照setup参数（如train_size）拆分后的原始训练/测试集。

2. 从调优后模型获取数据集并绘制自定义图表 #

调优后的模型（比如通过tune_model()输出的模型实例）本身不会存储数据集，但setup阶段拆分好的X_train、X_test、y_train、y_test是全局固定的，你依然可以用上述get_config()方法提取这些数据。

拿到数据后，就可以用Matplotlib、Seaborn等工具绘制plot_model不支持的自定义图表，示例如下：

import seaborn as sns
import matplotlib.pyplot as plt

# 绘制训练集某特征与目标变量的关联箱线图
sns.boxplot(x=y_train, y=X_train['your_feature'], palette='Set2')
plt.title('训练集特征与目标变量关联分布')
plt.xlabel('目标变量')
plt.ylabel('特征值')
plt.show()

内容的提问来源于stack exchange，提问作者Scope