teradataml.automl.AutoFraud.visualize = visualize(**kwargs)

DESCRIPTION:
    Function visualizes the data using various plots such as heatmap, 
    pair plot, histogram, univariate plot, count plot, box plot, and target distribution.
 
PARAMETERS:
    data:
        Required Argument.
        Specifies the input teradataml DataFrame for plotting.
        Types: teradataml Dataframe
 
    target_column:
        Required Argument.
        Specifies the name of the target column in "data".
        Note:
            * "target_column" must be of numeric type.
        Types: str
 
    plot_type:
        Optional Argument.
        Specifies the type of plot to be displayed.
        Default Value: "target"
        Permitted Values: 
            * "heatmap": Displays a heatmap of feature correlations.
            * "pair": Displays a pair plot of features.
            * "density": Displays a density plot of features.
            * "count": Displays a count plot of categorical features.
            * "box": Displays a box plot of numerical features.
            * "target": Displays the distribution of the target variable.
            * "all": Displays all the plots.
        Types: str, list of str
 
    length:
        Optional Argument.
        Specifies the length of the plot.
        Default Value: 10
        Types: int
 
    breadth:
        Optional Argument.
        Specifies the breadth of the plot.
        Default Value: 8
        Types: int
 
    columns:
        Optional Argument.
        Specifies the column names to be used for plotting.
        Types: str or list of string
 
    max_features:
        Optional Argument.
        Specifies the maximum number of features to be used for plotting.
        Default Value: 10
        Note:
            * It applies separately to categorical and numerical features.
        Types: int
 
    problem_type:
        Optional Argument.
        Specifies the type of problem.
        Permitted Values:
            * 'regression'
            * 'classification'
        Types: str
    
RETURNS:
    None
 
RAISES:
    TeradataMlException.
 
EXAMPLES:
    # Import either of "AutoML" or "AutoClassifier" or "AutoRegressor" or 
    # or "AutoFraud" or "AutoChurn" or "AutoDataPrep" from teradataml.
    >>> from teradataml import AutoML
    >>> from teradataml import DataFrame
    >>> load_example_data("teradataml", "titanic")
    >>> titanic_data = DataFrame("titanic")
    # Example 1: Visualize the data using AutoML class.
    >>> AutoML.visualize(data = titanic_data,
    ...                  target_column = 'survived',
    ...                  plot_type = ['heatmap', 'pair', 'histogram', 'target'],
    ...                  length = 10,
    ...                  breadth = 8,
    ...                  max_features = 10,
    ...                  problem_type = 'classification')
 
    # Example 2: Visualize the data using AutoDataPrep class.
    >>> from teradataml import AutoDataPrep
    >>> obj = AutoDataPrep(task_type="classification")
    >>> obj.fit(data = titanic_data, target_column = 'survived')
 
    # Retrieve the data from AutoDataPrep object.
    >>> datas = obj.get_data()
 
    >>> AutoDataPrep.visualize(data = datas['lasso_train'],
    ...                        target_column = 'survived',
    ...                        plot_type = 'all'
    ...                        length = 20,
    ...                        breadth = 15)