资源 | 可视化工具Yellowbrick:超参与行为的可视化带来更优秀的实现

机器之心编译

参与:思源、刘晓坤

Yellowbrick 是一套名为「Visualizers」的视觉诊断工具,它扩展了 Scikit-Learn API 以允许我们监督模型的选择过程。简而言之,Yellowbrick 将 Scikit-Learn 与 Matplotlib 结合在一起,并以传统 Scikit-Learn 的方式对模型进行可视化。

项目地址:https://github.com/DistrictDataLabs/yellowbrick

可视化器

可视化器(Visualizers)是一种从数据中学习的估计器,其主要目标是创建可理解模型选择过程的可视化。在 Scikit-Learn 的术语中,它们类似于转换器(transformer),其在可视化数据空间或包装模型估计器上类似「ModelCV」(例如 RidgeCV 和 LassoCV)方法的过程。Yellowbrick 的主要目标是创建一个类似于 Scikit-Learn 的 API,其中一些流行的可视化器包括:

特征可视化

  • Rank Features:单个或成对特征排序以检测关系
  • Parallel Coordinates:实例的水平可视化
  • Radial Visualization:围绕圆形图分离实例
  • PCA Projection:基于主成分分析映射实例
  • Manifold Visualization:通过流形学习实现高维可视化
  • Feature Importances:基于模型性能对特征进行排序
  • Recursive Feature Elimination:按重要性搜索最佳特征子集
  • Scatter and Joint Plots:通过特征选择直接进行数据可视化

分类可视化

  • Class Balance:了解类别分布如何影响模型
  • Class Prediction Error:展示分类的误差与主要来源
  • Classification Report:可视化精度、召回率和 F1 分数的表征
  • ROC/AUC Curves:受试者工作曲线和曲线下面积
  • Confusion Matrices:类别决策制定的视觉描述
  • Discrimination Threshold:搜索最佳分离二元类别的阈值

回归可视化

  • Prediction Error Plots:沿着目标域寻找模型崩溃的原因
  • Residuals Plot:以残差的方式展示训练和测试数据中的差异
  • Alpha Selection:展示 alpha 的选择如何影响正则化

聚类可视化

  • K-Elbow Plot:使用肘法(elbow method)和多个指标来选择 k
  • Silhouette Plot:通过可视化轮廓系数值来选择 k

模型选择可视化

  • Validation Curve:对模型的单个超参数进行调整
  • Learning Curve:展示模型是否能从更多的数据或更低的复杂性中受益

文本可视化

  • Term Frequency:可视化语料库中词项的频率分布
  • t-SNE Corpus Visualization:使用随机近邻嵌入来投影文档

还有更多的可视化器!我们随时会添加更多的可视化器,因此请确保查看示例(或甚至开发分支),并欢迎随时为我们提供建议!

安装 Yellowbrick

Yellowbrick 与 Python2.7 以及之后的版本兼容,但使用 Python3.5 或之后的版本会更合适并能利用其所有功能优势。Yellowbrick 还依赖于 Scikit-Learn 0.18 或之后的版本,以及 Matplotlib1.5 或之后的版本。最简单的安装 Yellowbrick 的方法是从 PyPI 使用 pip 安装。

$ pip install yellowbrick

注意 Yellowbrick 是一个活跃项目,将定期发布更多新的可视化器和更新。为了将 Yellowbrick 升级到最新的版本,按以下方式使用 pip 命令:

$ pip install -U yellowbrick

你也可以使用-U flag 来更新 Scikit-Learn、Matplotlib 或任何其它和 Yellowbrick 兼容的第三方最新版本应用。

如果你使用 Anaconda(推荐 Windows 用户使用),你可以使用 conda 命令来安装 Yellowbrick:

conda install -c districtdatalabs yellowbrick

然而请注意,在 Linux 上用 Anaconda 安装 Yellowbrick 有一个已知的 bug:https://github.com/DistrictDataLabs/yellowbrick/issues/205

使用 Yellowbrick

Yellowbrick API 是特别为更好地使用 Scikit-Learn 而设计的。这里有一个使用 Scikit-Learn 和 Yellowbrick 的典型工作流序列的例子:

特征可视化

在这个例子中,我们将看到 Rank2D 如何使用特定指标对数据集中的每个特征进行两两对比,然后返回展示排序的左下三角图。

from yellowbrick.features import Rank2D

visualizer = Rank2D(features=features, algorithm='covariance')
visualizer.fit(X, y) # Fit the data to the visualizer
visualizer.transform(X) # Transform the data
visualizer.poof() # Draw/show/poof the data

模型可视化

在这个例子中,我们用具体例子来说明一个 Scikit-Learn 分类器,然后使用 Yellowbrick 的 ROCAUC 类来可视化分类器的敏感性和特异性的权衡过程。

from sklearn.svm import LinearSVCfrom yellowbrick.classifier import ROCAUC

model = LinearSVC()
model.fit(X,y)
visualizer = ROCAUC(model)
visualizer.score(X,y)
visualizer.poof()

原文发布于微信公众号 - 机器之心(almosthuman2014)

原文发表时间:2018-05-28

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏闪电gogogo的专栏

压缩感知“Hello World”代码初步学习

压缩感知代码初学 实现:1-D信号压缩传感的实现 算法:正交匹配追踪法OMP(Orthogonal Matching Pursuit)   》几个初学问题 ? ...

2037
来自专栏量子位

使用神经网络+遗传算法玩转Flappy Bird | 教程

问耕 编译整理 量子位 出品 | 公众号 QbitAI 震惊!《Flappy Bird》火了这么多年,竟然没有中文名字。 没事。这不妨碍各路AI大触用这款游戏练...

3344
来自专栏机器之心

资源 | 机器学习标准教科书PRML的Python实现:最佳读书伴侣

2316
来自专栏大数据挖掘DT机器学习

完整手写一个朴素贝叶斯分类器,完成文本分类

Part 1: 本文解决的问题: 我在有这样的一个数据集,里面存放了人们对近期播放电影的评价,当然评价也就分成两部分,好评和差评。我们想利用这些数据训练一个模...

3725
来自专栏cloudskyme

一文搞懂HMM(隐马尔可夫模型)

什么是熵(Entropy) 简单来说,熵是表示物质系统状态的一种度量,用它老表征系统的无序程度。熵越大,系统越无序,意味着系统结构和运动的不确定和无规则;反之,...

3708
来自专栏数据派THU

从零开始用Python实现k近邻算法(附代码、数据集)

3027
来自专栏人工智能

如何使用scikit-learn在Python中生成测试数据集

测试数据集是一个微型的手工数据集,你可以用它来测试机器学习算法或者工具。

4016
来自专栏算法channel

案例实战|泰坦尼克号船员获救预测(XGBoost提交结果)

01 — 回顾 泰坦尼克号的案例系列已经推送了2个,分别解决了数据预处理:特征工程,数据清洗等,包括模型的BaseLine阶段的求解,关于这两篇文章,请参考: ...

4166
来自专栏机器之心

教程 | 初学文本分析:用Python和scikit-learn实现垃圾邮件过滤器

选自kdnuggets 机器之心编译 参与:王宇欣、吴攀 本文介绍了如何通过 Python 和 scikit-learn 实现垃圾邮件过滤的。对比和分析了两个分...

2907
来自专栏Python中文社区

看到那个Edward 了吗?对!其实它是个Python库

專 欄 ❈那只猫,Python中文社区专栏作者,福州大学大二水利专业学生,纯种非CS科班的数据分析师,熟练掌握Python数据分析大礼包,因长时间玩弄Kera...

2029

扫码关注云+社区