Почему мой график обновляется панелью (дважды), когда я изменяю настройку кнопки, которая не должна вызывать никаких обновлений? (Панно Головиз)

Я создал класс для изучения и обучения моделей.

Когда я изменяю значение раскрывающегося списка «choose_model_type» в приведенном ниже примере кода, я не ожидал, что на моей панели управления ничего не изменится, поскольку в моем классе нет @param.depends('choose_model_type', watch=True). Однако моя панель управления обновляется, когда я изменяю значение раскрывающегося списка «choose_model_type». В этом случае функция plot_y () запускается дважды, если я смотрю журналы:

2019-09-26 11: 24: 42,802 начальный сюжет_y
2019-09-26 11: 24: 42,825 начальный сюжет_y

Это для меня неожиданное поведение. Я не хочу, чтобы plot_y () запускался, когда я изменяю 'choose_model_type'.
Как мне убедиться, что plot_y запускается только при изменении 'y' (и мой график обновляется на панели инструментов), а не когда другие такие параметры, как изменение раскрывающегося списка?
Я хочу контролировать, что и когда срабатывает, но мне кажется, что здесь творится какая-то магия.

Другой связанный с этим вопрос:
Почему plot_y () запускается дважды? Если я изменю «pred_target», он также дважды вызовет plot_y (). То же самое происходит, когда я меняю значение 'choose_model_type': plot_y () запускается дважды.

# library imports    
import logging

import numpy as np
import pandas as pd

import hvplot
import hvplot.pandas

import holoviews as hv
from holoviews.operation.datashader import datashade, dynspread
hv.extension('bokeh', logo=False)

import panel as pn
import param

# create some sample data
df = pd.DataFrame(np.random.choice(100, size=[50, 2]), columns=['TARGET1', 'TARGET2'])

# class to train my models with some settings
class ModelTrainer(param.Parameterized):

    logging.info('initializing class')

    pred_target = param.Selector(
        default='TARGET1',
        objects=['TARGET1', 'TARGET2'],
        label='Choose prediction target'
    )

    choose_model_type = param.Selector(
        default='LINEAR', 
        objects=['LINEAR', 'LGBM', 'RANDOM_FOREST'],
        label='Choose type of model',
    )

    y = df[pred_target.default]


    # i expect this function only to be triggered when pred_target changes
    @param.depends('pred_target', watch=True)
    def _reset_variables(self):
        logging.info('starting reset variables')
        self.y = df[self.pred_target]

    # i expect plot_y() only to be triggered when y changes   
    @param.depends('y', watch=True)
    def plot_y(self):
        logging.info('starting plot_y')
        self.y_plot = dynspread(datashade(self.y.hvplot.scatter()))
        return self.y_plot

model_trainer = ModelTrainer()

# show model dashboard
pn.Column(
    pn.Row(model_trainer.param['pred_target']),
    pn.Row(model_trainer.param['choose_model_type']),
    pn.Row(model_trainer.plot_y)
).servable()