随机森林原始论文_推荐一个神器画出论文中酷炫的机器学习图

本人在写论文的时候，很多图片是用matplotlib和seaborn画的，但是，我还有一个神器，Scikit-plot，通过这个神器，画出了更加高大上的机器学习图，本文对Scikit-plot做下简单介绍。

安装说明

安装Scikit-plot非常简单，直接用命令：

pip install scikit-plot

即可完成安装。

仓库地址： https://github.com/reiinakano/scikit-plot

里面有使用说明和样例（py和ipynb格式）。

使用说明

简单举几个例子

比如画出分类评级指标的ROC曲线的完整代码：

from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
X, y = load_digits(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33)
nb = GaussianNB()
nb.fit(X_train, y_train)
predicted_probas = nb.predict_proba(X_test)
# The magic happens here
import matplotlib.pyplot as plt
import scikitplot as skplt
skplt.metrics.plot_roc(y_test, predicted_probas)
plt.show()

效果如图（相当高大上！）

P-R曲线就是精确率precision vs 召回率recall 曲线，以recall作为横坐标轴，precision作为纵坐标轴。首先解释一下精确率和召回率。

import matplotlib.pyplot as plt
from sklearn.naive_bayes import GaussianNB
from sklearn.datasets import load_digits as load_data
import scikitplot as skplt
# Load dataset
X, y = load_data(return_X_y=True)
# Create classifier instance then fit
nb = GaussianNB()
nb.fit(X,y)
# Get predicted probabilities
y_probas = nb.predict_proba(X)
skplt.metrics.plot_precision_recall_curve(y, y_probas, cmap='nipy_spectral')
plt.show()

混淆矩阵是分类的重要评价标准，下面代码是用随机森林对鸢尾花数据集进行分类，分类结果画一个归一化的混淆矩阵。

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_digits as load_data
from sklearn.model_selection import cross_val_predict
import matplotlib.pyplot as plt
import scikitplot as skplt
X, y = load_data(return_X_y=True)
# Create an instance of the RandomForestClassifier
classifier = RandomForestClassifier()
# Perform predictions
predictions = cross_val_predict(classifier, X, y)
plot = skplt.metrics.plot_confusion_matrix(y, predictions, normalize=True)
plt.show()

其他图如学习曲线、特征重要性、聚类的肘点等等，都可以用几行代码搞定。

总结

本文对Scikit-plot做下简单介绍，这是一个机器学习的画图神器，几行代码就能画出高大上的机器学习图，作者当年的博士论文也是靠这个画图的。

仓库地址：https://github.com/reiinakano/scikit-plot

里面有使用说明和样例。

随机森林原始论文_推荐一个神器画出论文中酷炫的机器学习图相关推荐

python随机森林变量重要性_推荐：一文读懂随机森林的解释和实现（附python代码）...
原标题:推荐 :一文读懂随机森林的解释和实现(附python代码) 作者:WilliamKoehrsen:翻译:和中华:校对:李润嘉本文约6000字,建议阅读15分钟. 本文从单棵决策树讲起,然后逐 ...
如何快速的发表论文？推荐一个很好发表论文的期刊
发表学术性的论文的关键点在于以下几个方面. 第一,你的论文的主题要符合期刊的收稿方向. 第二,你的文章档次要和期刊水平档次相当. 第三,要考虑自己发表时间方面的要求.每个期刊的出版周期不一样,所以看是 ...
基于python的随机森林回归实现_随机森林理论与python代码实现
1,初品随机森林随机森林,森林就是很多决策树放在一起一起叫森林,而随机体现在数据集的随机采样中和特征的随机选取中,具体下面再讲.通俗的说随机森林就是建立多颗决策树(CART),来做分类(回归),以多 ...
画一个圆角多边形_用SolidWorks一个扫描画出这个多边形瓶子
多边形瓶子 2020年10月文件分享后台发送:2010 获取文件或底部阅读原文输入提取码提取码:2010 建模过程 1.在[上视基准面]画两个八边形. 1-1.用样条曲线连接各个端点.(扫描的引 ...
用python画星座_一个可以画出星座（中文标识）的jupyter文档
star-chart-CN 绘制星座(中文标识) This a simple jupyter file to plot star consterllation in Chinese. 这是一个可以画出 ...
python怎么画人像_教你如何用Python画出心目中的自己
原标题:教你如何用Python画出心目中的自己引言:人脸图像的生成在各个行业有着重要应用,例如刑事调查.人物设计.教育培训等.然而一幅逼真的人脸肖像,对于职业画家也要至少数小时才能绘制出来:对于从未 ...
拜托，有一个python画的生日蛋糕超酷的好吧~
前言: 相信大家对生日蛋糕不陌生吧! 今天给大家分享一下用代码写个生日蛋糕出来,拜托,有一个python画的生日蛋糕超酷的好吧~ 代码: import turtle as t import math ...
什么工具可以分析php源代码,PHP_一个可以找出源代码中所有中文的工具，一个可以找出源代码中所有中 - phpStudy...
一个可以找出源代码中所有中文的工具一个可以找出源代码中所有中文的工具填写需要查找的路径$sf即可. 功能 1 找出所有中文 2 忽略注释语句中的中文 3 可添加需要忽略的文件和文件夹 4 生成日志 ...
随机森林原始论文_初识随机森林
在机器学习中,随机森林是一个包含多个决策树的分类器, 并且其输出的类别是由个别树输出的类别的众数而定. 发展出推论出随机森林的算法. 而 "Random Forests" 是他们的 ...
随机森林原始论文_【科普天地】2020年还需要阅读的10篇人工智能论文（附链接）...
本文约6400字,建议阅读8分钟. 本文介绍了2020年发表的人工智能(AI)论文. 几周前,我发表了一篇文章,里面有要在2020年阅读的人工智能(AI)论文.如果你把所有额外的阅读建议都算进去,总共 ...

随机森林原始论文_推荐一个神器画出论文中酷炫的机器学习图

随机森林原始论文_推荐一个神器画出论文中酷炫的机器学习图相关推荐

最新文章

热门文章