DecisionBoundaryDisplay#

класс sklearn.inspection.DecisionBoundaryDisplay(*, xx0, xx1, ответ, multiclass_colors=None, подпись оси X=None, ylabel=None)[источник]#

Визуализация границ решений.

Рекомендуется использовать from_estimator для создания DecisionBoundaryDisplay. Все параметры хранятся как атрибуты.

Подробнее в Руководство пользователя.

Для подробного примера сравнения границ решений мультиномиальной и one-vs-rest логистической регрессии см. Границы решений мультиномиальной и логистической регрессии One-vs-Rest.

Добавлено в версии 1.1.

Параметры:
xx0ndarray формы (grid_resolution, grid_resolution)

Первый вывод meshgrid.

xx1ndarray формы (grid_resolution, grid_resolution)

Второй выход meshgrid.

ответndarray формы (grid_resolution, grid_resolution) или (grid_resolution, grid_resolution, n_classes)

Значения функции отклика.

multiclass_colorsсписок str или str, по умолчанию=None

Определяет, как раскрашивать каждый класс при построении всех классов многоклассовой задачи. Игнорируется для бинарных задач и многоклассовых задач при построении одного предсказанного значения на точку. Возможные входные данные:

  • список: список Matplotlib цвет строки длиной n_classes

  • str: имя matplotlib.colors.Colormap

  • None: для сэмплирования цветов используется цветовая карта 'viridis'

Одноцветные цветовые карты будут сгенерированы из цветов в списке или цветов, взятых из цветовой карты и переданных в cmap параметр plot_method.

Добавлено в версии 1.7.

подпись оси Xstr, default=None

. Здесь вычисление достигается благодаря алгоритму рандомизированного SVD Мартинссона, реализованному в scikit-learn.

ylabelstr, default=None

Метка по умолчанию для оси y.

Атрибуты:
surface_matplotlib QuadContourSet или QuadMesh или список таких объектов

Если plot_method равно 'contour' или 'contourf', surface_ является QuadContourSet. Если plot_method это ‘pcolormesh’, surface_ является QuadMesh.

multiclass_colors_массив формы (n_classes, 4)

Цвета, используемые для построения каждого класса в многоклассовых задачах. Определены только когда color_of_interest равно None.

Добавлено в версии 1.7.

ax_matplotlib Axes

Оси с границей принятия решений.

figure_фигура matplotlib

Рисунок, содержащий границу решения.

Смотрите также

DecisionBoundaryDisplay.from_estimator

Построить границу решений для заданного оценщика.

Примеры

>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> from sklearn.datasets import load_iris
>>> from sklearn.inspection import DecisionBoundaryDisplay
>>> from sklearn.tree import DecisionTreeClassifier
>>> iris = load_iris()
>>> feature_1, feature_2 = np.meshgrid(
...     np.linspace(iris.data[:, 0].min(), iris.data[:, 0].max()),
...     np.linspace(iris.data[:, 1].min(), iris.data[:, 1].max())
... )
>>> grid = np.vstack([feature_1.ravel(), feature_2.ravel()]).T
>>> tree = DecisionTreeClassifier().fit(iris.data[:, :2], iris.target)
>>> y_pred = np.reshape(tree.predict(grid), feature_1.shape)
>>> display = DecisionBoundaryDisplay(
...     xx0=feature_1, xx1=feature_2, response=y_pred
... )
>>> display.plot()
<...>
>>> display.ax_.scatter(
...     iris.data[:, 0], iris.data[:, 1], c=iris.target, edgecolor="black"
... )
<...>
>>> plt.show()
../../_images/sklearn-inspection-DecisionBoundaryDisplay-1.png
метод класса from_estimator(estimator, X, *, grid_resolution=100, eps=1.0, plot_method='contourf', response_method='auto', class_of_interest=None, multiclass_colors=None, подпись оси X=None, ylabel=None, ax=None, **kwargs)[источник]#

Построить границу решений для заданного оценщика.

Подробнее в Руководство пользователя.

Параметры:
estimatorobject

Обученный оценщик, используемый для построения границы принятия решений.

X{array-like, sparse matrix, dataframe} формы (n_samples, 2)

Входные данные должны быть только двумерными.

grid_resolutionint, по умолчанию=100

Количество точек сетки для построения границы решения. Более высокие значения сделают график красивее, но отрисовка будет медленнее.

epsfloat, по умолчанию=1.0

Расширяет минимальные и максимальные значения X для оценки функции отклика.

plot_method{‘contourf’, ‘contour’, ‘pcolormesh’}, по умолчанию ‘contourf’

Метод построения графиков для вызова при отображении отклика. Подробности смотрите в документации matplotlib: contourf, contour, pcolormesh.

response_method{‘auto’, ‘decision_function’, ‘predict_proba’, ‘predict’}, по умолчанию=’auto’

Указывает, использовать ли decision_function, predict_proba или predict в качестве целевого отклика. Если установлено в 'auto', метод отклика пробуется в порядке, перечисленном выше.

Изменено в версии 1.6: Для многоклассовых задач 'auto' больше не по умолчанию 'predict'.

class_of_interestint, float, bool или str, по умолчанию=None

Класс для построения графика, когда response_method это 'predict_proba' или 'decision_function'. Если None, estimator.classes_[1] считается положительным классом для бинарных классификаторов. Для многоклассовых классификаторов, если None, все классы будут представлены на графике границы решений; класс с наибольшим значением отклика в каждой точке отображается. Цвет каждого класса можно задать через multiclass_colors.

Добавлено в версии 1.4.

multiclass_colorsсписок str, или str, по умолчанию=None

Определяет, как раскрашивать каждый класс при построении многоклассового 'predict_proba' или 'decision_function' и class_of_interest является None. Игнорируется во всех остальных случаях.

Возможные входные данные:

  • список: список Matplotlib цвет строки длиной n_classes

  • str: имя matplotlib.colors.Colormap

  • None: цветовая карта 'tab10' используется для выборки цветов, если количество

    классов меньше или равно 10, иначе цветовая карта ‘gist_rainbow’.

Одноцветные цветовые карты будут сгенерированы из цветов в списке или цветов, взятых из цветовой карты, и переданы в cmap параметр plot_method.

Добавлено в версии 1.7.

подпись оси Xstr, default=None

Метка, используемая для оси x. Если None, предпринимается попытка извлечь метку из X если это dataframe, в противном случае используется пустая строка.

ylabelstr, default=None

Метка, используемая для оси Y. Если None, предпринимается попытка извлечь метку из X если это dataframe, в противном случае используется пустая строка.

axОси Matplotlib, по умолчанию=None

Объект Axes для построения графика. Если None, создаётся новая фигура и оси.

**kwargsdict

Дополнительные ключевые аргументы для передачи в plot_method.

Возвращает:
отображениеDecisionBoundaryDisplay

Объект, хранящий результат.

Смотрите также

DecisionBoundaryDisplay

Визуализация границы решений.

sklearn.metrics.ConfusionMatrixDisplay.from_estimator

Построить матрицу ошибок для заданного оценщика, данных и метки.

sklearn.metrics.ConfusionMatrixDisplay.from_predictions

Постройте матрицу ошибок по истинным и предсказанным меткам.

Примеры

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import load_iris
>>> from sklearn.linear_model import LogisticRegression
>>> from sklearn.inspection import DecisionBoundaryDisplay
>>> iris = load_iris()
>>> X = iris.data[:, :2]
>>> classifier = LogisticRegression().fit(X, iris.target)
>>> disp = DecisionBoundaryDisplay.from_estimator(
...     classifier, X, response_method="predict",
...     xlabel=iris.feature_names[0], ylabel=iris.feature_names[1],
...     alpha=0.5,
... )
>>> disp.ax_.scatter(X[:, 0], X[:, 1], c=iris.target, edgecolor="k")
<...>
>>> plt.show()
../../_images/sklearn-inspection-DecisionBoundaryDisplay-2.png
plot(plot_method='contourf', ax=None, подпись оси X=None, ylabel=None, **kwargs)[источник]#

Визуализация графика.

Параметры:
plot_method{‘contourf’, ‘contour’, ‘pcolormesh’}, по умолчанию ‘contourf’

Метод построения графиков для вызова при отображении отклика. Подробности смотрите в документации matplotlib: contourf, contour, pcolormesh.

axОси Matplotlib, по умолчанию=None

Объект Axes для построения графика. Если None, создаётся новая фигура и оси.

подпись оси Xstr, default=None

Перезаписать метку оси x.

ylabelstr, default=None

Перезаписать метку оси Y.

**kwargsdict

Дополнительные ключевые аргументы для передачи в plot_method.

Возвращает:
отображение: DecisionBoundaryDisplay

Объект, который хранит вычисленные значения.