Note
Click here to download the full example code or to run this example in your browser via Binder
Classification¶
The following example shows how to fit auto-sklearn to optimize for two competing metrics: precision and recall (read more on this tradeoff in the scikit-learn docs.
Auto-sklearn uses SMAC3’s implementation of ParEGO. Multi-objective ensembling and proper access to the full Pareto set will be added in the near future.
from pprint import pprint
import matplotlib.pyplot as plt
import numpy as np
import sklearn.datasets
import sklearn.metrics
import autosklearn.classification
import autosklearn.metrics
Data Loading¶
X, y = sklearn.datasets.fetch_openml(data_id=31, return_X_y=True, as_frame=True)
# Change the target to align with scikit-learn's convention that
# ``1`` is the minority class. In this example it is predicting
# that a credit is "bad", i.e. that it will default.
y = np.array([1 if val == "bad" else 0 for val in y])
X_train, X_test, y_train, y_test = sklearn.model_selection.train_test_split(
X, y, random_state=1
)
Build and fit a classifier¶
automl = autosklearn.classification.AutoSklearnClassifier(
time_left_for_this_task=120,
metric=[autosklearn.metrics.precision, autosklearn.metrics.recall],
delete_tmp_folder_after_terminate=False,
)
automl.fit(X_train, y_train, dataset_name="German Credit")
AutoSklearnClassifier(delete_tmp_folder_after_terminate=False,
ensemble_class=<class 'autosklearn.ensembles.multiobjective_dummy_ensemble.MultiObjectiveDummyEnsemble'>,
metric=[precision, recall], per_run_time_limit=12,
time_left_for_this_task=120)
Compute the two competing metrics¶
predictions = automl.predict(X_test)
print("Precision", sklearn.metrics.precision_score(y_test, predictions))
print("Recall", sklearn.metrics.recall_score(y_test, predictions))
Precision 0.6060606060606061
Recall 0.2702702702702703
View the models found by auto-sklearn¶
They are by default sorted by the first metric given to auto-sklearn.
print(automl.leaderboard())
rank ensemble_weight type cost_0 cost_1 duration
model_id
21 1 1.0 random_forest 0.205128 0.586667 2.151786
cv_results also contains both metrics¶
Similarly to the leaderboard, they are sorted by the first metric given to auto-sklearn.
pprint(automl.cv_results_)
{'budgets': [0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0,
0.0],
'mean_fit_time': array([ 2.06615281, 2.0024941 , 1.83083034, 2.021312 , 2.59403086,
3.43858409, 1.91830468, 1.10799742, 1.91203833, 12.01424766,
1.40986538, 1.96470523, 1.53796887, 0.86812377, 2.05662704,
1.04536629, 4.48269749, 1.19880962, 8.15736961, 2.15178585,
1.83902264, 0.82527328, 1.87171245, 1.05902672, 1.67635489,
2.04935241, 0.96880317, 2.52337337, 2.07653451, 2.00908375]),
'mean_test_precision': array([0.68888889, 0.61403509, 0.42156863, 0.55072464, 0.48275862,
0.70588235, 0.67391304, 0.38235294, 0.51401869, 0. ,
0.49090909, 0.55263158, 0.50526316, 0.59016393, 0.625 ,
0. , 0.47222222, 0.47272727, 0.54117647, 0.79487179,
0.44444444, 0. , 0.39534884, 0. , 0.51376147,
0.48148148, 0.34782609, 0.57534247, 0.6440678 , 0. ]),
'mean_test_recall': array([0.41333333, 0.46666667, 0.57333333, 0.50666667, 0.18666667,
0.48 , 0.41333333, 0.17333333, 0.73333333, 0. ,
0.72 , 0.28 , 0.64 , 0.48 , 0.06666667,
0. , 0.45333333, 0.34666667, 0.61333333, 0.41333333,
0.69333333, 0. , 0.22666667, 0. , 0.74666667,
0.69333333, 0.53333333, 0.56 , 0.50666667, 0. ]),
'param_balancing:strategy': masked_array(data=['none', 'none', 'weighting', 'weighting', 'weighting',
'weighting', 'none', 'weighting', 'weighting',
'weighting', 'weighting', 'none', 'weighting', 'none',
'none', 'weighting', 'weighting', 'none', 'weighting',
'none', 'weighting', 'none', 'none', 'weighting',
'weighting', 'weighting', 'weighting', 'weighting',
'none', 'none'],
mask=[False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False],
fill_value='N/A',
dtype='<U9'),
'param_classifier:__choice__': masked_array(data=['random_forest', 'extra_trees', 'extra_trees',
'gradient_boosting', 'random_forest', 'mlp',
'random_forest', 'passive_aggressive', 'random_forest',
'libsvm_svc', 'gradient_boosting', 'mlp',
'gradient_boosting', 'sgd', 'extra_trees', 'lda',
'extra_trees', 'mlp', 'gradient_boosting',
'random_forest', 'adaboost', 'passive_aggressive',
'random_forest', 'bernoulli_nb', 'gradient_boosting',
'random_forest', 'sgd', 'random_forest', 'adaboost',
'random_forest'],
mask=[False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False],
fill_value='N/A',
dtype='<U18'),
'param_classifier:adaboost:algorithm': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, 'SAMME', --, --, --, --, --,
--, --, 'SAMME', --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, False, True, True, True,
True, True, True, True, False, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:adaboost:learning_rate': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, 0.2844845910527844, --, --, --,
--, --, --, --, 0.2781233292283191, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, False, True, True, True,
True, True, True, True, False, True],
fill_value=1e+20),
'param_classifier:adaboost:max_depth': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, 2.0, --, --, --, --, --, --,
--, 4.0, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, False, True, True, True,
True, True, True, True, False, True],
fill_value=1e+20),
'param_classifier:adaboost:n_estimators': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, 370.0, --, --, --, --, --, --,
--, 462.0, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, False, True, True, True,
True, True, True, True, False, True],
fill_value=1e+20),
'param_classifier:bernoulli_nb:alpha': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, 39.87397441278958,
--, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, False,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:bernoulli_nb:fit_prior': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, 'False', --, --,
--, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, False,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:decision_tree:criterion': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:decision_tree:max_depth_factor': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:decision_tree:max_features': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:decision_tree:max_leaf_nodes': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:decision_tree:min_impurity_decrease': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:decision_tree:min_samples_leaf': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:decision_tree:min_samples_split': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:decision_tree:min_weight_fraction_leaf': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:extra_trees:bootstrap': masked_array(data=[--, 'True', 'False', --, --, --, --, --, --, --, --,
--, --, --, 'True', --, 'False', --, --, --, --, --,
--, --, --, --, --, --, --, --],
mask=[ True, False, False, True, True, True, True, True,
True, True, True, True, True, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:extra_trees:criterion': masked_array(data=[--, 'entropy', 'entropy', --, --, --, --, --, --, --,
--, --, --, --, 'entropy', --, 'entropy', --, --, --,
--, --, --, --, --, --, --, --, --, --],
mask=[ True, False, False, True, True, True, True, True,
True, True, True, True, True, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:extra_trees:max_depth': masked_array(data=[--, 'None', 'None', --, --, --, --, --, --, --, --, --,
--, --, 'None', --, 'None', --, --, --, --, --, --, --,
--, --, --, --, --, --],
mask=[ True, False, False, True, True, True, True, True,
True, True, True, True, True, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:extra_trees:max_features': masked_array(data=[--, 0.5, 0.7655092431692035, --, --, --, --, --, --,
--, --, --, --, --, 0.15687109796165688, --,
0.993803313878608, --, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, False, False, True, True, True, True, True,
True, True, True, True, True, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:extra_trees:max_leaf_nodes': masked_array(data=[--, 'None', 'None', --, --, --, --, --, --, --, --, --,
--, --, 'None', --, 'None', --, --, --, --, --, --, --,
--, --, --, --, --, --],
mask=[ True, False, False, True, True, True, True, True,
True, True, True, True, True, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:extra_trees:min_impurity_decrease': masked_array(data=[--, 0.0, 0.0, --, --, --, --, --, --, --, --, --, --,
--, 0.0, --, 0.0, --, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, False, False, True, True, True, True, True,
True, True, True, True, True, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:extra_trees:min_samples_leaf': masked_array(data=[--, 1.0, 19.0, --, --, --, --, --, --, --, --, --, --,
--, 3.0, --, 2.0, --, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, False, False, True, True, True, True, True,
True, True, True, True, True, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:extra_trees:min_samples_split': masked_array(data=[--, 2.0, 5.0, --, --, --, --, --, --, --, --, --, --,
--, 13.0, --, 20.0, --, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, False, False, True, True, True, True, True,
True, True, True, True, True, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:extra_trees:min_weight_fraction_leaf': masked_array(data=[--, 0.0, 0.0, --, --, --, --, --, --, --, --, --, --,
--, 0.0, --, 0.0, --, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, False, False, True, True, True, True, True,
True, True, True, True, True, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:gradient_boosting:early_stop': masked_array(data=[--, --, --, 'train', --, --, --, --, --, --, 'train',
--, 'off', --, --, --, --, --, 'train', --, --, --, --,
--, 'train', --, --, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, False, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:gradient_boosting:l2_regularization': masked_array(data=[--, --, --, 3.387912939529945e-10, --, --, --, --, --,
--, 0.20982857192812085, --, 5.195231690836764e-09, --,
--, --, --, --, 0.05488841601458162, --, --, --, --,
--, 0.22864775632104425, --, --, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, False, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:gradient_boosting:learning_rate': masked_array(data=[--, --, --, 0.30755227194768237, --, --, --, --, --,
--, 0.012770531206809599, --, 0.06101786517649655, --,
--, --, --, --, 0.0843846716858782, --, --, --, --, --,
0.012770531206809599, --, --, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, False, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:gradient_boosting:loss': masked_array(data=[--, --, --, 'auto', --, --, --, --, --, --, 'auto', --,
'auto', --, --, --, --, --, 'auto', --, --, --, --, --,
'auto', --, --, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, False, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:gradient_boosting:max_bins': masked_array(data=[--, --, --, 255.0, --, --, --, --, --, --, 255.0, --,
255.0, --, --, --, --, --, 255.0, --, --, --, --, --,
255.0, --, --, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, False, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:gradient_boosting:max_depth': masked_array(data=[--, --, --, 'None', --, --, --, --, --, --, 'None', --,
'None', --, --, --, --, --, 'None', --, --, --, --, --,
'None', --, --, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, False, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:gradient_boosting:max_leaf_nodes': masked_array(data=[--, --, --, 60.0, --, --, --, --, --, --, 32.0, --,
10.0, --, --, --, --, --, 4.0, --, --, --, --, --,
41.0, --, --, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, False, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:gradient_boosting:min_samples_leaf': masked_array(data=[--, --, --, 39.0, --, --, --, --, --, --, 69.0, --,
22.0, --, --, --, --, --, 3.0, --, --, --, --, --,
55.0, --, --, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, False, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:gradient_boosting:n_iter_no_change': masked_array(data=[--, --, --, 18.0, --, --, --, --, --, --, 19.0, --, --,
--, --, --, --, --, 16.0, --, --, --, --, --, 10.0, --,
--, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, True, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:gradient_boosting:scoring': masked_array(data=[--, --, --, 'loss', --, --, --, --, --, --, 'loss', --,
'loss', --, --, --, --, --, 'loss', --, --, --, --, --,
'loss', --, --, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, False, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:gradient_boosting:tol': masked_array(data=[--, --, --, 1e-07, --, --, --, --, --, --, 1e-07, --,
1e-07, --, --, --, --, --, 1e-07, --, --, --, --, --,
1e-07, --, --, --, --, --],
mask=[ True, True, True, False, True, True, True, True,
True, True, False, True, False, True, True, True,
True, True, False, True, True, True, True, True,
False, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:gradient_boosting:validation_fraction': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:k_nearest_neighbors:n_neighbors': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:k_nearest_neighbors:p': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:k_nearest_neighbors:weights': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:lda:shrinkage': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, 'auto', --, --, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:lda:shrinkage_factor': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:lda:tol': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, 0.06502391592449622, --, --, --, --, --, --, --,
--, --, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:liblinear_svc:C': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:liblinear_svc:dual': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:liblinear_svc:fit_intercept': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:liblinear_svc:intercept_scaling': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:liblinear_svc:loss': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:liblinear_svc:multi_class': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:liblinear_svc:penalty': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:liblinear_svc:tol': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:libsvm_svc:C': masked_array(data=[--, --, --, --, --, --, --, --, --, 2176.2897327948685,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:libsvm_svc:coef0': masked_array(data=[--, --, --, --, --, --, --, --, --,
-0.018575725453357728, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:libsvm_svc:degree': masked_array(data=[--, --, --, --, --, --, --, --, --, 2.0, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:libsvm_svc:gamma': masked_array(data=[--, --, --, --, --, --, --, --, --,
0.006276539842771683, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:libsvm_svc:kernel': masked_array(data=[--, --, --, --, --, --, --, --, --, 'poly', --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:libsvm_svc:max_iter': masked_array(data=[--, --, --, --, --, --, --, --, --, -1.0, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:libsvm_svc:shrinking': masked_array(data=[--, --, --, --, --, --, --, --, --, 'False', --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:libsvm_svc:tol': masked_array(data=[--, --, --, --, --, --, --, --, --,
7.288971711473298e-05, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:mlp:activation': masked_array(data=[--, --, --, --, --, 'tanh', --, --, --, --, --, 'tanh',
--, --, --, --, --, 'relu', --, --, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:mlp:alpha': masked_array(data=[--, --, --, --, --, 0.00021148999718383549, --, --, --,
--, --, 0.0001363185819149026, --, --, --, --, --,
4.073424522787473e-06, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:mlp:batch_size': masked_array(data=[--, --, --, --, --, 'auto', --, --, --, --, --, 'auto',
--, --, --, --, --, 'auto', --, --, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:mlp:beta_1': masked_array(data=[--, --, --, --, --, 0.9, --, --, --, --, --, 0.9, --,
--, --, --, --, 0.9, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:mlp:beta_2': masked_array(data=[--, --, --, --, --, 0.999, --, --, --, --, --, 0.999,
--, --, --, --, --, 0.999, --, --, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:mlp:early_stopping': masked_array(data=[--, --, --, --, --, 'train', --, --, --, --, --,
'valid', --, --, --, --, --, 'valid', --, --, --, --,
--, --, --, --, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:mlp:epsilon': masked_array(data=[--, --, --, --, --, 1e-08, --, --, --, --, --, 1e-08,
--, --, --, --, --, 1e-08, --, --, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:mlp:hidden_layer_depth': masked_array(data=[--, --, --, --, --, 3.0, --, --, --, --, --, 3.0, --,
--, --, --, --, 3.0, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:mlp:learning_rate_init': masked_array(data=[--, --, --, --, --, 0.0007452270241186694, --, --, --,
--, --, 0.00018009776276177523, --, --, --, --, --,
0.0059180455768467425, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:mlp:n_iter_no_change': masked_array(data=[--, --, --, --, --, 32.0, --, --, --, --, --, 32.0, --,
--, --, --, --, 32.0, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:mlp:num_nodes_per_layer': masked_array(data=[--, --, --, --, --, 113.0, --, --, --, --, --, 115.0,
--, --, --, --, --, 27.0, --, --, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:mlp:shuffle': masked_array(data=[--, --, --, --, --, 'True', --, --, --, --, --, 'True',
--, --, --, --, --, 'True', --, --, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:mlp:solver': masked_array(data=[--, --, --, --, --, 'adam', --, --, --, --, --, 'adam',
--, --, --, --, --, 'adam', --, --, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:mlp:tol': masked_array(data=[--, --, --, --, --, 0.0001, --, --, --, --, --, 0.0001,
--, --, --, --, --, 0.0001, --, --, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:mlp:validation_fraction': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, 0.1, --,
--, --, --, --, 0.1, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, False, True, True, True, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:multinomial_nb:alpha': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:multinomial_nb:fit_prior': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:passive_aggressive:C': masked_array(data=[--, --, --, --, --, --, --, 0.008807665845919431, --,
--, --, --, --, --, --, --, --, --, --, --, --, 1.0,
--, --, --, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:passive_aggressive:average': masked_array(data=[--, --, --, --, --, --, --, 'False', --, --, --, --,
--, --, --, --, --, --, --, --, --, 'True', --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:passive_aggressive:fit_intercept': masked_array(data=[--, --, --, --, --, --, --, 'True', --, --, --, --, --,
--, --, --, --, --, --, --, --, 'True', --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:passive_aggressive:loss': masked_array(data=[--, --, --, --, --, --, --, 'hinge', --, --, --, --,
--, --, --, --, --, --, --, --, --, 'hinge', --, --,
--, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:passive_aggressive:tol': masked_array(data=[--, --, --, --, --, --, --, 0.001174447028725537, --,
--, --, --, --, --, --, --, --, --, --, --, --,
0.00010000000000000009, --, --, --, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_classifier:qda:reg_param': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:random_forest:bootstrap': masked_array(data=['True', --, --, --, 'True', --, 'True', --, 'False',
--, --, --, --, --, --, --, --, --, --, 'True', --, --,
'False', --, --, 'False', --, 'True', --, 'False'],
mask=[False, True, True, True, False, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, False, True, True, False, True,
True, False, True, False, True, False],
fill_value='N/A',
dtype='<U32'),
'param_classifier:random_forest:criterion': masked_array(data=['gini', --, --, --, 'gini', --, 'entropy', --,
'entropy', --, --, --, --, --, --, --, --, --, --,
'entropy', --, --, 'entropy', --, --, 'entropy', --,
'gini', --, 'entropy'],
mask=[False, True, True, True, False, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, False, True, True, False, True,
True, False, True, False, True, False],
fill_value='N/A',
dtype='<U32'),
'param_classifier:random_forest:max_depth': masked_array(data=['None', --, --, --, 'None', --, 'None', --, 'None', --,
--, --, --, --, --, --, --, --, --, 'None', --, --,
'None', --, --, 'None', --, 'None', --, 'None'],
mask=[False, True, True, True, False, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, False, True, True, False, True,
True, False, True, False, True, False],
fill_value='N/A',
dtype='<U32'),
'param_classifier:random_forest:max_features': masked_array(data=[0.5, --, --, --, 0.48532133444855097, --,
0.4784709727277252, --, 0.8390317715938469, --, --, --,
--, --, --, --, --, --, --, 0.4678465140755959, --, --,
0.2238485174360173, --, --, 0.663838057151973, --,
0.896406587427711, --, 0.6171215831395673],
mask=[False, True, True, True, False, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, False, True, True, False, True,
True, False, True, False, True, False],
fill_value=1e+20),
'param_classifier:random_forest:max_leaf_nodes': masked_array(data=['None', --, --, --, 'None', --, 'None', --, 'None', --,
--, --, --, --, --, --, --, --, --, 'None', --, --,
'None', --, --, 'None', --, 'None', --, 'None'],
mask=[False, True, True, True, False, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, False, True, True, False, True,
True, False, True, False, True, False],
fill_value='N/A',
dtype='<U32'),
'param_classifier:random_forest:min_impurity_decrease': masked_array(data=[0.0, --, --, --, 0.0, --, 0.0, --, 0.0, --, --, --, --,
--, --, --, --, --, --, 0.0, --, --, 0.0, --, --, 0.0,
--, 0.0, --, 0.0],
mask=[False, True, True, True, False, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, False, True, True, False, True,
True, False, True, False, True, False],
fill_value=1e+20),
'param_classifier:random_forest:min_samples_leaf': masked_array(data=[1.0, --, --, --, 1.0, --, 1.0, --, 14.0, --, --, --,
--, --, --, --, --, --, --, 1.0, --, --, 7.0, --, --,
12.0, --, 3.0, --, 18.0],
mask=[False, True, True, True, False, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, False, True, True, False, True,
True, False, True, False, True, False],
fill_value=1e+20),
'param_classifier:random_forest:min_samples_split': masked_array(data=[2.0, --, --, --, 2.0, --, 14.0, --, 6.0, --, --, --,
--, --, --, --, --, --, --, 2.0, --, --, 15.0, --, --,
11.0, --, 2.0, --, 18.0],
mask=[False, True, True, True, False, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, False, True, True, False, True,
True, False, True, False, True, False],
fill_value=1e+20),
'param_classifier:random_forest:min_weight_fraction_leaf': masked_array(data=[0.0, --, --, --, 0.0, --, 0.0, --, 0.0, --, --, --, --,
--, --, --, --, --, --, 0.0, --, --, 0.0, --, --, 0.0,
--, 0.0, --, 0.0],
mask=[False, True, True, True, False, True, False, True,
False, True, True, True, True, True, True, True,
True, True, True, False, True, True, False, True,
True, False, True, False, True, False],
fill_value=1e+20),
'param_classifier:sgd:alpha': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --,
2.8077187575610757e-05, --, --, --, --, --, --, --, --,
--, --, --, --, 5.21407878915968e-05, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True, True, True,
True, True, False, True, True, True],
fill_value=1e+20),
'param_classifier:sgd:average': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --,
'True', --, --, --, --, --, --, --, --, --, --, --, --,
'True', --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True, True, True,
True, True, False, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:sgd:epsilon': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:sgd:eta0': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:sgd:fit_intercept': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --,
'True', --, --, --, --, --, --, --, --, --, --, --, --,
'True', --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True, True, True,
True, True, False, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:sgd:l1_ratio': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --,
0.275125886570793, --, --, --, --, --, --, --, --, --,
--, --, --, 1.7448730315731382e-06, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True, True, True,
True, True, False, True, True, True],
fill_value=1e+20),
'param_classifier:sgd:learning_rate': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --,
'optimal', --, --, --, --, --, --, --, --, --, --, --,
--, 'optimal', --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True, True, True,
True, True, False, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:sgd:loss': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --,
'log', --, --, --, --, --, --, --, --, --, --, --, --,
'log', --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True, True, True,
True, True, False, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:sgd:penalty': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --,
'elasticnet', --, --, --, --, --, --, --, --, --, --,
--, --, 'elasticnet', --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True, True, True,
True, True, False, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_classifier:sgd:power_t': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_classifier:sgd:tol': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --,
1.3351064406792789e-05, --, --, --, --, --, --, --, --,
--, --, --, --, 0.036599115612170205, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, False, True, True,
True, True, True, True, True, True, True, True,
True, True, False, True, True, True],
fill_value=1e+20),
'param_data_preprocessor:__choice__': masked_array(data=['feature_type', 'feature_type', 'feature_type',
'feature_type', 'feature_type', 'feature_type',
'feature_type', 'feature_type', 'feature_type',
'feature_type', 'feature_type', 'feature_type',
'feature_type', 'feature_type', 'feature_type',
'feature_type', 'feature_type', 'feature_type',
'feature_type', 'feature_type', 'feature_type',
'feature_type', 'feature_type', 'feature_type',
'feature_type', 'feature_type', 'feature_type',
'feature_type', 'feature_type', 'feature_type'],
mask=[False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False],
fill_value='N/A',
dtype='<U12'),
'param_data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': masked_array(data=['one_hot_encoding', 'no_encoding', 'one_hot_encoding',
'one_hot_encoding', 'no_encoding', 'one_hot_encoding',
'no_encoding', 'one_hot_encoding', 'one_hot_encoding',
'one_hot_encoding', 'no_encoding', 'no_encoding',
'no_encoding', 'one_hot_encoding', 'one_hot_encoding',
'no_encoding', 'no_encoding', 'no_encoding',
'one_hot_encoding', 'one_hot_encoding', 'no_encoding',
'no_encoding', 'one_hot_encoding', 'encoding',
'encoding', 'no_encoding', 'one_hot_encoding',
'encoding', 'no_encoding', 'one_hot_encoding'],
mask=[False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False],
fill_value='N/A',
dtype='<U16'),
'param_data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': masked_array(data=['minority_coalescer', 'minority_coalescer',
'no_coalescense', 'minority_coalescer',
'minority_coalescer', 'no_coalescense',
'no_coalescense', 'minority_coalescer',
'minority_coalescer', 'minority_coalescer',
'minority_coalescer', 'no_coalescense',
'no_coalescense', 'no_coalescense', 'no_coalescense',
'minority_coalescer', 'minority_coalescer',
'minority_coalescer', 'no_coalescense',
'minority_coalescer', 'minority_coalescer',
'minority_coalescer', 'minority_coalescer',
'minority_coalescer', 'minority_coalescer',
'minority_coalescer', 'minority_coalescer',
'no_coalescense', 'minority_coalescer',
'minority_coalescer'],
mask=[False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False],
fill_value='N/A',
dtype='<U18'),
'param_data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': masked_array(data=[0.01, 0.1040851795596776, --, 0.010000000000000004,
0.010000000000000004, --, --, 0.42677247105834165,
0.15465886171097135, 0.010000000000000004,
0.0005589708287942353, --, --, --, --,
0.025659060146568036, 0.41826215858914706,
0.00029426245080363384, --, 0.033371278314588006,
0.3519795567275179, 0.010000000000000004,
0.23197389161862147, 0.09580337973953734,
0.0009919682141534178, 0.24236761074002738,
0.010956288506622502, --, 0.006248133475321779,
0.010000000000000004],
mask=[False, False, True, False, False, True, True, False,
False, False, False, True, True, True, True, False,
False, False, True, False, False, False, False, False,
False, False, False, True, False, False],
fill_value=1e+20),
'param_data_preprocessor:feature_type:numerical_transformer:imputation:strategy': masked_array(data=['mean', 'most_frequent', 'most_frequent',
'most_frequent', 'mean', 'most_frequent',
'most_frequent', 'most_frequent', 'mean', 'median',
'mean', 'median', 'median', 'most_frequent', 'median',
'median', 'median', 'most_frequent', 'mean',
'most_frequent', 'median', 'median', 'mean', 'median',
'mean', 'most_frequent', 'mean', 'median', 'median',
'mean'],
mask=[False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False],
fill_value='N/A',
dtype='<U13'),
'param_data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': masked_array(data=['standardize', 'none', 'normalize', 'none', 'minmax',
'standardize', 'none', 'robust_scaler',
'robust_scaler', 'robust_scaler', 'robust_scaler',
'standardize', 'robust_scaler', 'standardize',
'quantile_transformer', 'robust_scaler',
'robust_scaler', 'standardize', 'quantile_transformer',
'quantile_transformer', 'standardize', 'none',
'robust_scaler', 'standardize', 'robust_scaler',
'minmax', 'robust_scaler', 'standardize',
'standardize', 'minmax'],
mask=[False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False],
fill_value='N/A',
dtype='<U20'),
'param_data_preprocessor:feature_type:numerical_transformer:rescaling:quantile_transformer:n_quantiles': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
1643.0, --, --, --, 654.0, 1000.0, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, True, False, False, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_data_preprocessor:feature_type:numerical_transformer:rescaling:quantile_transformer:output_distribution': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
'uniform', --, --, --, 'uniform', 'uniform', --, --,
--, --, --, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, True, False, False, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': masked_array(data=[--, --, --, --, --, --, --, 0.7278293151795671,
0.7083522758919695, 0.75, 0.9803466242807123, --,
0.7633589611863135, --, --, 0.75, 0.7305615609807856,
--, --, --, --, --, 0.7567675243433571, --,
0.9562247541326369, --, 0.881747493735021, --, --, --],
mask=[ True, True, True, True, True, True, True, False,
False, False, False, True, False, True, True, False,
False, True, True, True, True, True, False, True,
False, True, False, True, True, True],
fill_value=1e+20),
'param_data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': masked_array(data=[--, --, --, --, --, --, --, 0.16271852122755062,
0.26017575741727234, 0.2058549350571071,
0.1005590641662353, --, 0.29630657165502694, --, --,
0.2479524799615851, 0.25595970768123566, --, --, --,
--, --, 0.26248590852108006, --, 0.09878796755160703,
--, 0.011414091334621929, --, --, --],
mask=[ True, True, True, True, True, True, True, False,
False, False, False, True, False, True, True, False,
False, True, True, True, True, True, False, True,
False, True, False, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:__choice__': masked_array(data=['no_preprocessing', 'select_rates_classification',
'liblinear_svc_preprocessor',
'select_percentile_classification', 'fast_ica',
'feature_agglomeration', 'select_rates_classification',
'fast_ica', 'select_percentile_classification',
'select_percentile_classification',
'select_rates_classification', 'feature_agglomeration',
'select_rates_classification', 'no_preprocessing',
'extra_trees_preproc_for_classification',
'select_rates_classification', 'polynomial',
'extra_trees_preproc_for_classification', 'polynomial',
'no_preprocessing', 'no_preprocessing',
'select_rates_classification', 'pca',
'select_rates_classification',
'select_rates_classification',
'select_percentile_classification',
'select_percentile_classification',
'select_percentile_classification', 'no_preprocessing',
'random_trees_embedding'],
mask=[False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False, False, False,
False, False, False, False, False, False],
fill_value='N/A',
dtype='<U38'),
'param_feature_preprocessor:extra_trees_preproc_for_classification:bootstrap': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
'False', --, --, 'False', --, --, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:extra_trees_preproc_for_classification:criterion': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
'entropy', --, --, 'entropy', --, --, --, --, --, --,
--, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:extra_trees_preproc_for_classification:max_depth': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
'None', --, --, 'None', --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:extra_trees_preproc_for_classification:max_features': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
0.5823188661500757, --, --, 0.3426173612274873, --, --,
--, --, --, --, --, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:extra_trees_preproc_for_classification:max_leaf_nodes': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
'None', --, --, 'None', --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:extra_trees_preproc_for_classification:min_impurity_decrease': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
0.0, --, --, 0.0, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:extra_trees_preproc_for_classification:min_samples_leaf': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
15.0, --, --, 14.0, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:extra_trees_preproc_for_classification:min_samples_split': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
5.0, --, --, 10.0, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:extra_trees_preproc_for_classification:min_weight_fraction_leaf': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
0.0, --, --, 0.0, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:extra_trees_preproc_for_classification:n_estimators': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
100.0, --, --, 100.0, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, False, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:fast_ica:algorithm': masked_array(data=[--, --, --, --, 'parallel', --, --, 'deflation', --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --],
mask=[ True, True, True, True, False, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:fast_ica:fun': masked_array(data=[--, --, --, --, 'cube', --, --, 'exp', --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, False, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:fast_ica:n_components': masked_array(data=[--, --, --, --, --, --, --, 1631.0, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, True, True, True, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:fast_ica:whiten': masked_array(data=[--, --, --, --, 'False', --, --, 'True', --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --],
mask=[ True, True, True, True, False, True, True, False,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:feature_agglomeration:affinity': masked_array(data=[--, --, --, --, --, 'euclidean', --, --, --, --, --,
'euclidean', --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:feature_agglomeration:linkage': masked_array(data=[--, --, --, --, --, 'complete', --, --, --, --, --,
'ward', --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:feature_agglomeration:n_clusters': masked_array(data=[--, --, --, --, --, 247.0, --, --, --, --, --, 182.0,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:feature_agglomeration:pooling_func': masked_array(data=[--, --, --, --, --, 'max', --, --, --, --, --, 'mean',
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, False, True, True,
True, True, True, False, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:kernel_pca:coef0': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:kernel_pca:degree': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:kernel_pca:gamma': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:kernel_pca:kernel': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:kernel_pca:n_components': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:kitchen_sinks:gamma': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:kitchen_sinks:n_components': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:liblinear_svc_preprocessor:C': masked_array(data=[--, --, 406.8828992233326, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --],
mask=[ True, True, False, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:liblinear_svc_preprocessor:dual': masked_array(data=[--, --, 'False', --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, False, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:liblinear_svc_preprocessor:fit_intercept': masked_array(data=[--, --, 'True', --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, False, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:liblinear_svc_preprocessor:intercept_scaling': masked_array(data=[--, --, 1.0, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, False, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:liblinear_svc_preprocessor:loss': masked_array(data=[--, --, 'squared_hinge', --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --],
mask=[ True, True, False, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:liblinear_svc_preprocessor:multi_class': masked_array(data=[--, --, 'ovr', --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, False, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:liblinear_svc_preprocessor:penalty': masked_array(data=[--, --, 'l1', --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, False, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:liblinear_svc_preprocessor:tol': masked_array(data=[--, --, 7.92862192773501e-05, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --],
mask=[ True, True, False, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:nystroem_sampler:coef0': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:nystroem_sampler:degree': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:nystroem_sampler:gamma': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:nystroem_sampler:kernel': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:nystroem_sampler:n_components': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20,
dtype=float64),
'param_feature_preprocessor:pca:keep_variance': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, 0.9742804373889437, --,
--, --, --, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:pca:whiten': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, 'False', --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, False, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:polynomial:degree': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, 2.0, --, 2.0, --, --, --, --, --, --, --, --,
--, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
False, True, False, True, True, True, True, True,
True, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:polynomial:include_bias': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, 'True', --, 'True', --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
False, True, False, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:polynomial:interaction_only': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, 'True', --, 'True', --, --, --, --, --, --, --,
--, --, --, --],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
False, True, False, True, True, True, True, True,
True, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:random_trees_embedding:bootstrap': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, 'False'],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:random_trees_embedding:max_depth': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, 3.0],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False],
fill_value=1e+20),
'param_feature_preprocessor:random_trees_embedding:max_leaf_nodes': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, 'None'],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:random_trees_embedding:min_samples_leaf': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, 6.0],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False],
fill_value=1e+20),
'param_feature_preprocessor:random_trees_embedding:min_samples_split': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, 3.0],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False],
fill_value=1e+20),
'param_feature_preprocessor:random_trees_embedding:min_weight_fraction_leaf': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, 1.0],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False],
fill_value=1e+20),
'param_feature_preprocessor:random_trees_embedding:n_estimators': masked_array(data=[--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --, --, --, --,
--, 74.0],
mask=[ True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, True, True, True, True, False],
fill_value=1e+20),
'param_feature_preprocessor:select_percentile_classification:percentile': masked_array(data=[--, --, --, 93.39844669585806, --, --, --, --,
56.29604107917355, 75.75107575487506, --, --, --, --,
--, --, --, --, --, --, --, --, --, --, --,
75.87523910062363, 16.390084526299404,
91.67664887658442, --, --],
mask=[ True, True, True, False, True, True, True, True,
False, False, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, False, False, False, True, True],
fill_value=1e+20),
'param_feature_preprocessor:select_percentile_classification:score_func': masked_array(data=[--, --, --, 'f_classif', --, --, --, --, 'chi2',
'f_classif', --, --, --, --, --, --, --, --, --, --,
--, --, --, --, --, 'mutual_info', 'f_classif',
'f_classif', --, --],
mask=[ True, True, True, False, True, True, True, True,
False, False, True, True, True, True, True, True,
True, True, True, True, True, True, True, True,
True, False, False, False, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:select_rates_classification:alpha': masked_array(data=[--, 0.32118127649740214, --, --, --, --,
0.46621681976184837, --, --, --, 0.14149638953486213,
--, 0.011277906829173396, --, --, 0.3801972898691173,
--, --, --, --, --, 0.058944567903116155, --,
0.3094962987325228, 0.14149638953486213, --, --, --,
--, --],
mask=[ True, False, True, True, True, True, False, True,
True, True, False, True, False, True, True, False,
True, True, True, True, True, False, True, False,
False, True, True, True, True, True],
fill_value=1e+20),
'param_feature_preprocessor:select_rates_classification:mode': masked_array(data=[--, 'fwe', --, --, --, --, 'fpr', --, --, --, 'fwe',
--, 'fdr', --, --, --, --, --, --, --, --, 'fpr', --,
--, 'fwe', --, --, --, --, --],
mask=[ True, False, True, True, True, True, False, True,
True, True, False, True, False, True, True, True,
True, True, True, True, True, False, True, True,
False, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'param_feature_preprocessor:select_rates_classification:score_func': masked_array(data=[--, 'chi2', --, --, --, --, 'chi2', --, --, --, 'chi2',
--, 'f_classif', --, --, 'mutual_info_classif', --, --,
--, --, --, 'f_classif', --, 'mutual_info_classif',
'chi2', --, --, --, --, --],
mask=[ True, False, True, True, True, True, False, True,
True, True, False, True, False, True, True, False,
True, True, True, True, True, False, True, False,
False, True, True, True, True, True],
fill_value='N/A',
dtype='<U32'),
'params': [{'balancing:strategy': 'none',
'classifier:__choice__': 'random_forest',
'classifier:random_forest:bootstrap': 'True',
'classifier:random_forest:criterion': 'gini',
'classifier:random_forest:max_depth': 'None',
'classifier:random_forest:max_features': 0.5,
'classifier:random_forest:max_leaf_nodes': 'None',
'classifier:random_forest:min_impurity_decrease': 0.0,
'classifier:random_forest:min_samples_leaf': 1,
'classifier:random_forest:min_samples_split': 2,
'classifier:random_forest:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.01,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'mean',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'standardize',
'feature_preprocessor:__choice__': 'no_preprocessing'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'extra_trees',
'classifier:extra_trees:bootstrap': 'True',
'classifier:extra_trees:criterion': 'entropy',
'classifier:extra_trees:max_depth': 'None',
'classifier:extra_trees:max_features': 0.5,
'classifier:extra_trees:max_leaf_nodes': 'None',
'classifier:extra_trees:min_impurity_decrease': 0.0,
'classifier:extra_trees:min_samples_leaf': 1,
'classifier:extra_trees:min_samples_split': 2,
'classifier:extra_trees:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.1040851795596776,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'most_frequent',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'none',
'feature_preprocessor:__choice__': 'select_rates_classification',
'feature_preprocessor:select_rates_classification:alpha': 0.32118127649740214,
'feature_preprocessor:select_rates_classification:mode': 'fwe',
'feature_preprocessor:select_rates_classification:score_func': 'chi2'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'extra_trees',
'classifier:extra_trees:bootstrap': 'False',
'classifier:extra_trees:criterion': 'entropy',
'classifier:extra_trees:max_depth': 'None',
'classifier:extra_trees:max_features': 0.7655092431692035,
'classifier:extra_trees:max_leaf_nodes': 'None',
'classifier:extra_trees:min_impurity_decrease': 0.0,
'classifier:extra_trees:min_samples_leaf': 19,
'classifier:extra_trees:min_samples_split': 5,
'classifier:extra_trees:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'no_coalescense',
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'most_frequent',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'normalize',
'feature_preprocessor:__choice__': 'liblinear_svc_preprocessor',
'feature_preprocessor:liblinear_svc_preprocessor:C': 406.8828992233326,
'feature_preprocessor:liblinear_svc_preprocessor:dual': 'False',
'feature_preprocessor:liblinear_svc_preprocessor:fit_intercept': 'True',
'feature_preprocessor:liblinear_svc_preprocessor:intercept_scaling': 1,
'feature_preprocessor:liblinear_svc_preprocessor:loss': 'squared_hinge',
'feature_preprocessor:liblinear_svc_preprocessor:multi_class': 'ovr',
'feature_preprocessor:liblinear_svc_preprocessor:penalty': 'l1',
'feature_preprocessor:liblinear_svc_preprocessor:tol': 7.92862192773501e-05},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'gradient_boosting',
'classifier:gradient_boosting:early_stop': 'train',
'classifier:gradient_boosting:l2_regularization': 3.387912939529945e-10,
'classifier:gradient_boosting:learning_rate': 0.30755227194768237,
'classifier:gradient_boosting:loss': 'auto',
'classifier:gradient_boosting:max_bins': 255,
'classifier:gradient_boosting:max_depth': 'None',
'classifier:gradient_boosting:max_leaf_nodes': 60,
'classifier:gradient_boosting:min_samples_leaf': 39,
'classifier:gradient_boosting:n_iter_no_change': 18,
'classifier:gradient_boosting:scoring': 'loss',
'classifier:gradient_boosting:tol': 1e-07,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.010000000000000004,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'most_frequent',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'none',
'feature_preprocessor:__choice__': 'select_percentile_classification',
'feature_preprocessor:select_percentile_classification:percentile': 93.39844669585806,
'feature_preprocessor:select_percentile_classification:score_func': 'f_classif'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'random_forest',
'classifier:random_forest:bootstrap': 'True',
'classifier:random_forest:criterion': 'gini',
'classifier:random_forest:max_depth': 'None',
'classifier:random_forest:max_features': 0.48532133444855097,
'classifier:random_forest:max_leaf_nodes': 'None',
'classifier:random_forest:min_impurity_decrease': 0.0,
'classifier:random_forest:min_samples_leaf': 1,
'classifier:random_forest:min_samples_split': 2,
'classifier:random_forest:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.010000000000000004,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'mean',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'minmax',
'feature_preprocessor:__choice__': 'fast_ica',
'feature_preprocessor:fast_ica:algorithm': 'parallel',
'feature_preprocessor:fast_ica:fun': 'cube',
'feature_preprocessor:fast_ica:whiten': 'False'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'mlp',
'classifier:mlp:activation': 'tanh',
'classifier:mlp:alpha': 0.00021148999718383549,
'classifier:mlp:batch_size': 'auto',
'classifier:mlp:beta_1': 0.9,
'classifier:mlp:beta_2': 0.999,
'classifier:mlp:early_stopping': 'train',
'classifier:mlp:epsilon': 1e-08,
'classifier:mlp:hidden_layer_depth': 3,
'classifier:mlp:learning_rate_init': 0.0007452270241186694,
'classifier:mlp:n_iter_no_change': 32,
'classifier:mlp:num_nodes_per_layer': 113,
'classifier:mlp:shuffle': 'True',
'classifier:mlp:solver': 'adam',
'classifier:mlp:tol': 0.0001,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'no_coalescense',
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'most_frequent',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'standardize',
'feature_preprocessor:__choice__': 'feature_agglomeration',
'feature_preprocessor:feature_agglomeration:affinity': 'euclidean',
'feature_preprocessor:feature_agglomeration:linkage': 'complete',
'feature_preprocessor:feature_agglomeration:n_clusters': 247,
'feature_preprocessor:feature_agglomeration:pooling_func': 'max'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'random_forest',
'classifier:random_forest:bootstrap': 'True',
'classifier:random_forest:criterion': 'entropy',
'classifier:random_forest:max_depth': 'None',
'classifier:random_forest:max_features': 0.4784709727277252,
'classifier:random_forest:max_leaf_nodes': 'None',
'classifier:random_forest:min_impurity_decrease': 0.0,
'classifier:random_forest:min_samples_leaf': 1,
'classifier:random_forest:min_samples_split': 14,
'classifier:random_forest:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'no_coalescense',
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'most_frequent',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'none',
'feature_preprocessor:__choice__': 'select_rates_classification',
'feature_preprocessor:select_rates_classification:alpha': 0.46621681976184837,
'feature_preprocessor:select_rates_classification:mode': 'fpr',
'feature_preprocessor:select_rates_classification:score_func': 'chi2'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'passive_aggressive',
'classifier:passive_aggressive:C': 0.008807665845919431,
'classifier:passive_aggressive:average': 'False',
'classifier:passive_aggressive:fit_intercept': 'True',
'classifier:passive_aggressive:loss': 'hinge',
'classifier:passive_aggressive:tol': 0.001174447028725537,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.42677247105834165,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'most_frequent',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'robust_scaler',
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': 0.7278293151795671,
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': 0.16271852122755062,
'feature_preprocessor:__choice__': 'fast_ica',
'feature_preprocessor:fast_ica:algorithm': 'deflation',
'feature_preprocessor:fast_ica:fun': 'exp',
'feature_preprocessor:fast_ica:n_components': 1631,
'feature_preprocessor:fast_ica:whiten': 'True'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'random_forest',
'classifier:random_forest:bootstrap': 'False',
'classifier:random_forest:criterion': 'entropy',
'classifier:random_forest:max_depth': 'None',
'classifier:random_forest:max_features': 0.8390317715938469,
'classifier:random_forest:max_leaf_nodes': 'None',
'classifier:random_forest:min_impurity_decrease': 0.0,
'classifier:random_forest:min_samples_leaf': 14,
'classifier:random_forest:min_samples_split': 6,
'classifier:random_forest:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.15465886171097135,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'mean',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'robust_scaler',
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': 0.7083522758919695,
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': 0.26017575741727234,
'feature_preprocessor:__choice__': 'select_percentile_classification',
'feature_preprocessor:select_percentile_classification:percentile': 56.29604107917355,
'feature_preprocessor:select_percentile_classification:score_func': 'chi2'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'libsvm_svc',
'classifier:libsvm_svc:C': 2176.2897327948685,
'classifier:libsvm_svc:coef0': -0.018575725453357728,
'classifier:libsvm_svc:degree': 2,
'classifier:libsvm_svc:gamma': 0.006276539842771683,
'classifier:libsvm_svc:kernel': 'poly',
'classifier:libsvm_svc:max_iter': -1,
'classifier:libsvm_svc:shrinking': 'False',
'classifier:libsvm_svc:tol': 7.288971711473298e-05,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.010000000000000004,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'robust_scaler',
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': 0.75,
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': 0.2058549350571071,
'feature_preprocessor:__choice__': 'select_percentile_classification',
'feature_preprocessor:select_percentile_classification:percentile': 75.75107575487506,
'feature_preprocessor:select_percentile_classification:score_func': 'f_classif'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'gradient_boosting',
'classifier:gradient_boosting:early_stop': 'train',
'classifier:gradient_boosting:l2_regularization': 0.20982857192812085,
'classifier:gradient_boosting:learning_rate': 0.012770531206809599,
'classifier:gradient_boosting:loss': 'auto',
'classifier:gradient_boosting:max_bins': 255,
'classifier:gradient_boosting:max_depth': 'None',
'classifier:gradient_boosting:max_leaf_nodes': 32,
'classifier:gradient_boosting:min_samples_leaf': 69,
'classifier:gradient_boosting:n_iter_no_change': 19,
'classifier:gradient_boosting:scoring': 'loss',
'classifier:gradient_boosting:tol': 1e-07,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.0005589708287942353,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'mean',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'robust_scaler',
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': 0.9803466242807123,
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': 0.1005590641662353,
'feature_preprocessor:__choice__': 'select_rates_classification',
'feature_preprocessor:select_rates_classification:alpha': 0.14149638953486213,
'feature_preprocessor:select_rates_classification:mode': 'fwe',
'feature_preprocessor:select_rates_classification:score_func': 'chi2'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'mlp',
'classifier:mlp:activation': 'tanh',
'classifier:mlp:alpha': 0.0001363185819149026,
'classifier:mlp:batch_size': 'auto',
'classifier:mlp:beta_1': 0.9,
'classifier:mlp:beta_2': 0.999,
'classifier:mlp:early_stopping': 'valid',
'classifier:mlp:epsilon': 1e-08,
'classifier:mlp:hidden_layer_depth': 3,
'classifier:mlp:learning_rate_init': 0.00018009776276177523,
'classifier:mlp:n_iter_no_change': 32,
'classifier:mlp:num_nodes_per_layer': 115,
'classifier:mlp:shuffle': 'True',
'classifier:mlp:solver': 'adam',
'classifier:mlp:tol': 0.0001,
'classifier:mlp:validation_fraction': 0.1,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'no_coalescense',
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'standardize',
'feature_preprocessor:__choice__': 'feature_agglomeration',
'feature_preprocessor:feature_agglomeration:affinity': 'euclidean',
'feature_preprocessor:feature_agglomeration:linkage': 'ward',
'feature_preprocessor:feature_agglomeration:n_clusters': 182,
'feature_preprocessor:feature_agglomeration:pooling_func': 'mean'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'gradient_boosting',
'classifier:gradient_boosting:early_stop': 'off',
'classifier:gradient_boosting:l2_regularization': 5.195231690836764e-09,
'classifier:gradient_boosting:learning_rate': 0.06101786517649655,
'classifier:gradient_boosting:loss': 'auto',
'classifier:gradient_boosting:max_bins': 255,
'classifier:gradient_boosting:max_depth': 'None',
'classifier:gradient_boosting:max_leaf_nodes': 10,
'classifier:gradient_boosting:min_samples_leaf': 22,
'classifier:gradient_boosting:scoring': 'loss',
'classifier:gradient_boosting:tol': 1e-07,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'no_coalescense',
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'robust_scaler',
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': 0.7633589611863135,
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': 0.29630657165502694,
'feature_preprocessor:__choice__': 'select_rates_classification',
'feature_preprocessor:select_rates_classification:alpha': 0.011277906829173396,
'feature_preprocessor:select_rates_classification:mode': 'fdr',
'feature_preprocessor:select_rates_classification:score_func': 'f_classif'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'sgd',
'classifier:sgd:alpha': 2.8077187575610757e-05,
'classifier:sgd:average': 'True',
'classifier:sgd:fit_intercept': 'True',
'classifier:sgd:l1_ratio': 0.275125886570793,
'classifier:sgd:learning_rate': 'optimal',
'classifier:sgd:loss': 'log',
'classifier:sgd:penalty': 'elasticnet',
'classifier:sgd:tol': 1.3351064406792789e-05,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'no_coalescense',
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'most_frequent',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'standardize',
'feature_preprocessor:__choice__': 'no_preprocessing'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'extra_trees',
'classifier:extra_trees:bootstrap': 'True',
'classifier:extra_trees:criterion': 'entropy',
'classifier:extra_trees:max_depth': 'None',
'classifier:extra_trees:max_features': 0.15687109796165688,
'classifier:extra_trees:max_leaf_nodes': 'None',
'classifier:extra_trees:min_impurity_decrease': 0.0,
'classifier:extra_trees:min_samples_leaf': 3,
'classifier:extra_trees:min_samples_split': 13,
'classifier:extra_trees:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'no_coalescense',
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'quantile_transformer',
'data_preprocessor:feature_type:numerical_transformer:rescaling:quantile_transformer:n_quantiles': 1643,
'data_preprocessor:feature_type:numerical_transformer:rescaling:quantile_transformer:output_distribution': 'uniform',
'feature_preprocessor:__choice__': 'extra_trees_preproc_for_classification',
'feature_preprocessor:extra_trees_preproc_for_classification:bootstrap': 'False',
'feature_preprocessor:extra_trees_preproc_for_classification:criterion': 'entropy',
'feature_preprocessor:extra_trees_preproc_for_classification:max_depth': 'None',
'feature_preprocessor:extra_trees_preproc_for_classification:max_features': 0.5823188661500757,
'feature_preprocessor:extra_trees_preproc_for_classification:max_leaf_nodes': 'None',
'feature_preprocessor:extra_trees_preproc_for_classification:min_impurity_decrease': 0.0,
'feature_preprocessor:extra_trees_preproc_for_classification:min_samples_leaf': 15,
'feature_preprocessor:extra_trees_preproc_for_classification:min_samples_split': 5,
'feature_preprocessor:extra_trees_preproc_for_classification:min_weight_fraction_leaf': 0.0,
'feature_preprocessor:extra_trees_preproc_for_classification:n_estimators': 100},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'lda',
'classifier:lda:shrinkage': 'auto',
'classifier:lda:tol': 0.06502391592449622,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.025659060146568036,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'robust_scaler',
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': 0.75,
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': 0.2479524799615851,
'feature_preprocessor:__choice__': 'select_rates_classification',
'feature_preprocessor:select_rates_classification:alpha': 0.3801972898691173,
'feature_preprocessor:select_rates_classification:score_func': 'mutual_info_classif'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'extra_trees',
'classifier:extra_trees:bootstrap': 'False',
'classifier:extra_trees:criterion': 'entropy',
'classifier:extra_trees:max_depth': 'None',
'classifier:extra_trees:max_features': 0.993803313878608,
'classifier:extra_trees:max_leaf_nodes': 'None',
'classifier:extra_trees:min_impurity_decrease': 0.0,
'classifier:extra_trees:min_samples_leaf': 2,
'classifier:extra_trees:min_samples_split': 20,
'classifier:extra_trees:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.41826215858914706,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'robust_scaler',
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': 0.7305615609807856,
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': 0.25595970768123566,
'feature_preprocessor:__choice__': 'polynomial',
'feature_preprocessor:polynomial:degree': 2,
'feature_preprocessor:polynomial:include_bias': 'True',
'feature_preprocessor:polynomial:interaction_only': 'True'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'mlp',
'classifier:mlp:activation': 'relu',
'classifier:mlp:alpha': 4.073424522787473e-06,
'classifier:mlp:batch_size': 'auto',
'classifier:mlp:beta_1': 0.9,
'classifier:mlp:beta_2': 0.999,
'classifier:mlp:early_stopping': 'valid',
'classifier:mlp:epsilon': 1e-08,
'classifier:mlp:hidden_layer_depth': 3,
'classifier:mlp:learning_rate_init': 0.0059180455768467425,
'classifier:mlp:n_iter_no_change': 32,
'classifier:mlp:num_nodes_per_layer': 27,
'classifier:mlp:shuffle': 'True',
'classifier:mlp:solver': 'adam',
'classifier:mlp:tol': 0.0001,
'classifier:mlp:validation_fraction': 0.1,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.00029426245080363384,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'most_frequent',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'standardize',
'feature_preprocessor:__choice__': 'extra_trees_preproc_for_classification',
'feature_preprocessor:extra_trees_preproc_for_classification:bootstrap': 'False',
'feature_preprocessor:extra_trees_preproc_for_classification:criterion': 'entropy',
'feature_preprocessor:extra_trees_preproc_for_classification:max_depth': 'None',
'feature_preprocessor:extra_trees_preproc_for_classification:max_features': 0.3426173612274873,
'feature_preprocessor:extra_trees_preproc_for_classification:max_leaf_nodes': 'None',
'feature_preprocessor:extra_trees_preproc_for_classification:min_impurity_decrease': 0.0,
'feature_preprocessor:extra_trees_preproc_for_classification:min_samples_leaf': 14,
'feature_preprocessor:extra_trees_preproc_for_classification:min_samples_split': 10,
'feature_preprocessor:extra_trees_preproc_for_classification:min_weight_fraction_leaf': 0.0,
'feature_preprocessor:extra_trees_preproc_for_classification:n_estimators': 100},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'gradient_boosting',
'classifier:gradient_boosting:early_stop': 'train',
'classifier:gradient_boosting:l2_regularization': 0.05488841601458162,
'classifier:gradient_boosting:learning_rate': 0.0843846716858782,
'classifier:gradient_boosting:loss': 'auto',
'classifier:gradient_boosting:max_bins': 255,
'classifier:gradient_boosting:max_depth': 'None',
'classifier:gradient_boosting:max_leaf_nodes': 4,
'classifier:gradient_boosting:min_samples_leaf': 3,
'classifier:gradient_boosting:n_iter_no_change': 16,
'classifier:gradient_boosting:scoring': 'loss',
'classifier:gradient_boosting:tol': 1e-07,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'no_coalescense',
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'mean',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'quantile_transformer',
'data_preprocessor:feature_type:numerical_transformer:rescaling:quantile_transformer:n_quantiles': 654,
'data_preprocessor:feature_type:numerical_transformer:rescaling:quantile_transformer:output_distribution': 'uniform',
'feature_preprocessor:__choice__': 'polynomial',
'feature_preprocessor:polynomial:degree': 2,
'feature_preprocessor:polynomial:include_bias': 'True',
'feature_preprocessor:polynomial:interaction_only': 'True'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'random_forest',
'classifier:random_forest:bootstrap': 'True',
'classifier:random_forest:criterion': 'entropy',
'classifier:random_forest:max_depth': 'None',
'classifier:random_forest:max_features': 0.4678465140755959,
'classifier:random_forest:max_leaf_nodes': 'None',
'classifier:random_forest:min_impurity_decrease': 0.0,
'classifier:random_forest:min_samples_leaf': 1,
'classifier:random_forest:min_samples_split': 2,
'classifier:random_forest:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.033371278314588006,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'most_frequent',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'quantile_transformer',
'data_preprocessor:feature_type:numerical_transformer:rescaling:quantile_transformer:n_quantiles': 1000,
'data_preprocessor:feature_type:numerical_transformer:rescaling:quantile_transformer:output_distribution': 'uniform',
'feature_preprocessor:__choice__': 'no_preprocessing'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'adaboost',
'classifier:adaboost:algorithm': 'SAMME',
'classifier:adaboost:learning_rate': 0.2844845910527844,
'classifier:adaboost:max_depth': 2,
'classifier:adaboost:n_estimators': 370,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.3519795567275179,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'standardize',
'feature_preprocessor:__choice__': 'no_preprocessing'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'passive_aggressive',
'classifier:passive_aggressive:C': 1.0,
'classifier:passive_aggressive:average': 'True',
'classifier:passive_aggressive:fit_intercept': 'True',
'classifier:passive_aggressive:loss': 'hinge',
'classifier:passive_aggressive:tol': 0.00010000000000000009,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.010000000000000004,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'none',
'feature_preprocessor:__choice__': 'select_rates_classification',
'feature_preprocessor:select_rates_classification:alpha': 0.058944567903116155,
'feature_preprocessor:select_rates_classification:mode': 'fpr',
'feature_preprocessor:select_rates_classification:score_func': 'f_classif'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'random_forest',
'classifier:random_forest:bootstrap': 'False',
'classifier:random_forest:criterion': 'entropy',
'classifier:random_forest:max_depth': 'None',
'classifier:random_forest:max_features': 0.2238485174360173,
'classifier:random_forest:max_leaf_nodes': 'None',
'classifier:random_forest:min_impurity_decrease': 0.0,
'classifier:random_forest:min_samples_leaf': 7,
'classifier:random_forest:min_samples_split': 15,
'classifier:random_forest:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.23197389161862147,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'mean',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'robust_scaler',
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': 0.7567675243433571,
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': 0.26248590852108006,
'feature_preprocessor:__choice__': 'pca',
'feature_preprocessor:pca:keep_variance': 0.9742804373889437,
'feature_preprocessor:pca:whiten': 'False'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'bernoulli_nb',
'classifier:bernoulli_nb:alpha': 39.87397441278958,
'classifier:bernoulli_nb:fit_prior': 'False',
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.09580337973953734,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'standardize',
'feature_preprocessor:__choice__': 'select_rates_classification',
'feature_preprocessor:select_rates_classification:alpha': 0.3094962987325228,
'feature_preprocessor:select_rates_classification:score_func': 'mutual_info_classif'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'gradient_boosting',
'classifier:gradient_boosting:early_stop': 'train',
'classifier:gradient_boosting:l2_regularization': 0.22864775632104425,
'classifier:gradient_boosting:learning_rate': 0.012770531206809599,
'classifier:gradient_boosting:loss': 'auto',
'classifier:gradient_boosting:max_bins': 255,
'classifier:gradient_boosting:max_depth': 'None',
'classifier:gradient_boosting:max_leaf_nodes': 41,
'classifier:gradient_boosting:min_samples_leaf': 55,
'classifier:gradient_boosting:n_iter_no_change': 10,
'classifier:gradient_boosting:scoring': 'loss',
'classifier:gradient_boosting:tol': 1e-07,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.0009919682141534178,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'mean',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'robust_scaler',
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': 0.9562247541326369,
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': 0.09878796755160703,
'feature_preprocessor:__choice__': 'select_rates_classification',
'feature_preprocessor:select_rates_classification:alpha': 0.14149638953486213,
'feature_preprocessor:select_rates_classification:mode': 'fwe',
'feature_preprocessor:select_rates_classification:score_func': 'chi2'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'random_forest',
'classifier:random_forest:bootstrap': 'False',
'classifier:random_forest:criterion': 'entropy',
'classifier:random_forest:max_depth': 'None',
'classifier:random_forest:max_features': 0.663838057151973,
'classifier:random_forest:max_leaf_nodes': 'None',
'classifier:random_forest:min_impurity_decrease': 0.0,
'classifier:random_forest:min_samples_leaf': 12,
'classifier:random_forest:min_samples_split': 11,
'classifier:random_forest:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.24236761074002738,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'most_frequent',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'minmax',
'feature_preprocessor:__choice__': 'select_percentile_classification',
'feature_preprocessor:select_percentile_classification:percentile': 75.87523910062363,
'feature_preprocessor:select_percentile_classification:score_func': 'mutual_info'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'sgd',
'classifier:sgd:alpha': 5.21407878915968e-05,
'classifier:sgd:average': 'True',
'classifier:sgd:fit_intercept': 'True',
'classifier:sgd:l1_ratio': 1.7448730315731382e-06,
'classifier:sgd:learning_rate': 'optimal',
'classifier:sgd:loss': 'log',
'classifier:sgd:penalty': 'elasticnet',
'classifier:sgd:tol': 0.036599115612170205,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.010956288506622502,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'mean',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'robust_scaler',
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_max': 0.881747493735021,
'data_preprocessor:feature_type:numerical_transformer:rescaling:robust_scaler:q_min': 0.011414091334621929,
'feature_preprocessor:__choice__': 'select_percentile_classification',
'feature_preprocessor:select_percentile_classification:percentile': 16.390084526299404,
'feature_preprocessor:select_percentile_classification:score_func': 'f_classif'},
{'balancing:strategy': 'weighting',
'classifier:__choice__': 'random_forest',
'classifier:random_forest:bootstrap': 'True',
'classifier:random_forest:criterion': 'gini',
'classifier:random_forest:max_depth': 'None',
'classifier:random_forest:max_features': 0.896406587427711,
'classifier:random_forest:max_leaf_nodes': 'None',
'classifier:random_forest:min_impurity_decrease': 0.0,
'classifier:random_forest:min_samples_leaf': 3,
'classifier:random_forest:min_samples_split': 2,
'classifier:random_forest:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'no_coalescense',
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'standardize',
'feature_preprocessor:__choice__': 'select_percentile_classification',
'feature_preprocessor:select_percentile_classification:percentile': 91.67664887658442,
'feature_preprocessor:select_percentile_classification:score_func': 'f_classif'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'adaboost',
'classifier:adaboost:algorithm': 'SAMME',
'classifier:adaboost:learning_rate': 0.2781233292283191,
'classifier:adaboost:max_depth': 4,
'classifier:adaboost:n_estimators': 462,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'no_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.006248133475321779,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'median',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'standardize',
'feature_preprocessor:__choice__': 'no_preprocessing'},
{'balancing:strategy': 'none',
'classifier:__choice__': 'random_forest',
'classifier:random_forest:bootstrap': 'False',
'classifier:random_forest:criterion': 'entropy',
'classifier:random_forest:max_depth': 'None',
'classifier:random_forest:max_features': 0.6171215831395673,
'classifier:random_forest:max_leaf_nodes': 'None',
'classifier:random_forest:min_impurity_decrease': 0.0,
'classifier:random_forest:min_samples_leaf': 18,
'classifier:random_forest:min_samples_split': 18,
'classifier:random_forest:min_weight_fraction_leaf': 0.0,
'data_preprocessor:__choice__': 'feature_type',
'data_preprocessor:feature_type:categorical_transformer:categorical_encoding:__choice__': 'one_hot_encoding',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:__choice__': 'minority_coalescer',
'data_preprocessor:feature_type:categorical_transformer:category_coalescence:minority_coalescer:minimum_fraction': 0.010000000000000004,
'data_preprocessor:feature_type:numerical_transformer:imputation:strategy': 'mean',
'data_preprocessor:feature_type:numerical_transformer:rescaling:__choice__': 'minmax',
'feature_preprocessor:__choice__': 'random_trees_embedding',
'feature_preprocessor:random_trees_embedding:bootstrap': 'False',
'feature_preprocessor:random_trees_embedding:max_depth': 3,
'feature_preprocessor:random_trees_embedding:max_leaf_nodes': 'None',
'feature_preprocessor:random_trees_embedding:min_samples_leaf': 6,
'feature_preprocessor:random_trees_embedding:min_samples_split': 3,
'feature_preprocessor:random_trees_embedding:min_weight_fraction_leaf': 1.0,
'feature_preprocessor:random_trees_embedding:n_estimators': 74}],
'rank_test_precision': array([ 3, 7, 22, 11, 17, 2, 4, 24, 13, 26, 16, 10, 15, 8, 6, 26, 20,
19, 12, 1, 21, 26, 23, 26, 14, 18, 25, 9, 5, 26]),
'rank_test_recall': array([17, 15, 8, 11, 23, 13, 17, 24, 2, 26, 3, 21, 6, 13, 25, 26, 16,
20, 7, 17, 4, 26, 22, 26, 1, 4, 10, 9, 11, 26]),
'status': ['Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Timeout',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Success',
'Timeout']}
Visualize the Pareto set¶
plot_values = []
pareto_front = automl.get_pareto_set()
for ensemble in pareto_front:
predictions = ensemble.predict(X_test)
precision = sklearn.metrics.precision_score(y_test, predictions)
recall = sklearn.metrics.recall_score(y_test, predictions)
plot_values.append((precision, recall))
fig = plt.figure()
ax = fig.add_subplot(111)
for precision, recall in plot_values:
ax.scatter(precision, recall, c="blue")
ax.set_xlabel("Precision")
ax.set_ylabel("Recall")
ax.set_title("Pareto set")
plt.show()
Total running time of the script: ( 2 minutes 13.011 seconds)
