Scikit-plot画图

在机器学习过程中画图是一个重要的步骤，例如在分类任务中需要画P-R曲线，AUC曲线，混淆曲线等，使用matpotlib, Seaborn等类库作图需要多写几行代码，例如设置title，xlim，ylim，lengend等，如果有一个工具库可以封装这些操作的话可以帮助我们节省时间，提升开发效率，从而专注在算法/业务的改进上。

安装

conda install -c conda-forge scikit-plot
# 或者
pip install scikit-plot

导包

from sklearn.datasets import load_digits, load_breast_cancer, load_iris, make_classification
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
from sklearn.cluster import KMeans
from sklearn.svm import LinearSVC
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
import scikitplot as skplt
import warningswarnings.filterwarnings('ignore')

混淆矩阵

X, y = load_digits(return_X_y=True)
rf = RandomForestClassifier()
rf.fit(X, y)
preds = rf.predict(X)
skplt.metrics.plot_confusion_matrix(y_true=y, y_pred=preds)
plt.show()

ROC曲线

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)skplt.metrics.plot_roc(y_test, predicted_probas)
plt.show()

KS统计

X, y = load_breast_cancer(return_X_y=True)
lr = LogisticRegression()
lr.fit(X, y)
probas = lr.predict_proba(X)
skplt.metrics.plot_ks_statistic(y_true=y, y_probas=probas)
plt.show()

Precision-Recall

X, y = load_digits(return_X_y=True)
nb = GaussianNB()
nb.fit(X, y)
probas = nb.predict_proba(X)
skplt.metrics.plot_precision_recall(y_true=y, y_probas=probas)
plt.show()

聚类

X, y = load_iris(return_X_y=True)
kmeans = KMeans(n_clusters=4, random_state=1)
cluster_labels = kmeans.fit_predict(X)
skplt.metrics.plot_silhouette(X, cluster_labels)
plt.show()

Calibration Curve(校准曲线)

X, y = make_classification(n_samples=100000, n_features=20,n_informative=2, n_redundant=2,random_state=20)X_train, y_train, X_test, y_test = X[:1000], y[:1000], X[1000:], y[1000:]rf_probas = RandomForestClassifier().fit(X_train, y_train).predict_proba(X_test)
lr_probas = LogisticRegression().fit(X_train, y_train).predict_proba(X_test)
nb_probas = GaussianNB().fit(X_train, y_train).predict_proba(X_test)
sv_scores = LinearSVC().fit(X_train, y_train).decision_function(X_test)probas_list = [rf_probas, lr_probas, nb_probas, sv_scores]
clf_names=['Random Forest','Logistic Regression','Gaussian Naive Bayes','Support Vector Machine']skplt.metrics.plot_calibration_curve(y_test,probas_list=probas_list,clf_names=clf_names,n_bins=10)
plt.show()

Cumulative Gain(累计增益)

根据标签和分数/概率生成累积增益图

X, y = load_breast_cancer(return_X_y=True)
lr = LogisticRegression()
lr.fit(X, y)
probas = lr.predict_proba(X)
skplt.metrics.plot_cumulative_gain(y_true=y, y_probas=probas)
plt.show()

Lift Curve(提升曲线)

从标签和分数/概率生成提升曲线

X, y = load_breast_cancer(return_X_y=True)
lr = LogisticRegression()
lr.fit(X, y)
probas = lr.predict_proba(X)
skplt.metrics.plot_lift_curve(y_true=y, y_probas=probas)
plt.show()

Learning Curve(学习曲线)

X, y = load_breast_cancer(return_X_y=True)
rf = RandomForestClassifier()
skplt.estimators.plot_learning_curve(rf, X, y)
plt.show()

Feature Importances(特征重要性)

X, y = load_iris(return_X_y=True)
rf = RandomForestClassifier()
rf.fit(X, y)
skplt.estimators.plot_feature_importances(rf,feature_names=['petal length','petal width','sepal length','sepal width'])
plt.show()

Elbow Curve

为 KMeans 聚类绘制不同 K 值的肘部曲线。

X, y = load_iris(return_X_y=True)
kmeans = KMeans(random_state=1)
skplt.cluster.plot_elbow_curve(kmeans, X, cluster_ranges=range(1, 11))
plt.show()

PCA Component Variance

绘制 PCA 组件的解释方差比。

X, y = load_digits(return_X_y=True)
pca = PCA(random_state=1)
pca.fit(X)
skplt.decomposition.plot_pca_component_variance(pca)
plt.show()

PCA 2d Projection

在给定数据集上绘制 PCA 的二维投影。

X, y = load_digits(return_X_y=True)
pca = PCA(random_state=1)
pca.fit(X)
skplt.decomposition.plot_pca_2d_projection(pca, X, y)
plt.show()

Scikit-plot画图相关推荐

matlab plot画图指定线型和颜色
matlab plot画图指定线型和颜色 plot(x,y1,'.b'); %b代表蓝色,.代表点; plot(x,y2,'-g'); %g代表绿色,-代表线
MATLAB plot画图后横轴去除空白
MATLAB plot画图后横轴去除空白 MATLAB plot原来画图都是填充满的,今天不知道怎么了,横轴留有一部分空白,看起来十分不美观,可以修改一下上下限使其美观一些. 方法 x轴上下限设定 x ...
MATLAB 利用plot 画图，加标题，保存图片
MATLAB plot 画图,加标题,保存图片 plot(x,y,'.'); %画图 title("标题"); %设置标题 xlabel("X轴"); %设置X ...
为什么python画不了图-解决python中使用plot画图,图不显示的问题
python matplotlib画的图怎么显示不出来初学python,matplotlib库画图不显示分享助别熬夜了,你等不来的人,等到多晚都不会来的. 见图.python matplotlib ...
pandas合并concatmerge和plot画图
3.6,3.7pandas合并concat&merge 头文件: import pandas as pd import numpy as np concat基础合并用法 df1= pd.Dat ...
python怎么画参数函数图像_详解pandas.DataFrame.plot() 画图函数
首先看官网的DataFrame.plot( )函数 DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, share ...
maltab利用plot画图后更改线条颜色
在matlab中,利用plot画图默认好像只有八种颜色,分别为:b--蓝色,r--红色,m--品红,k--黑色,g--绿色,c--青色,y--黄色,w--白色.有时候我们画的线条比较多,这几种颜色可能 ...
Matlab plot画图坐标字体、字号、范围、间隔等的设置
Matlab plot画图坐标字体.字号.范围.间隔等的设置 MATLAB 坐标的数字.范围.间隔调整 matlab绘图的时候只用plot函数出来的图不一定符合自己最想要的格式, 经常要对坐标的数字 ...
python画图程序没有图_解决python中使用plot画图,图不显示的问题
解决python中使用plot画图,图不显示的问题对以下数据画图结果图不显示,修改过程如下 df3 = {'chinese':109, 'American':88, 'German': 66, 'K ...
【Python】matplotlib.plot画图横坐标混乱及间隔处理
今天用matplotlib.plot画折线图图时发现横坐标并没有按顺序排列,出现了混乱的情况,导致图很乱,查了好多方法发现是数据类型的原因(最近我出现的好多问题都是因为数据类型不对,下次出问题要记得用 ...

Scikit-plot画图

Scikit-plot画图

安装

导包

混淆矩阵

ROC曲线

KS统计

Precision-Recall

聚类

Calibration Curve(校准曲线)

Cumulative Gain(累计增益)

Lift Curve(提升曲线)

Learning Curve(学习曲线)

Feature Importances(特征重要性)

Elbow Curve

PCA Component Variance

PCA 2d Projection

Scikit-plot画图相关推荐

最新文章

热门文章