PredictionErrorDisplay#

класс sklearn.metrics.PredictionErrorDisplay(*, y_true, y_pred)[источник]#

Визуализация ошибки предсказания регрессионной модели.

Этот инструмент может отображать "остатки vs предсказанные" или "фактические vs предсказанные" с использованием точечных графиков для качественной оценки поведения регрессора, предпочтительно на отложенных точках данных.

См. подробности в строках документации from_estimator или from_predictions для создания визуализатора. Все параметры сохраняются как атрибуты.

Для общей информации относительно scikit-learn инструменты визуализации, подробнее в Руководство по визуализации. Для подробностей по интерпретации этих графиков обратитесь к Руководство по оценке моделей.

Добавлено в версии 1.2.

Параметры:
y_truendarray формы (n_samples,)

Истинные значения.

y_predndarray формы (n_samples,)

Прогнозные значения.

Атрибуты:
line_художник matplotlib

Оптимальная линия, представляющая y_true == y_pred. Следовательно, это диагональная линия для kind="predictions" и горизонтальная линия для kind="residuals".

errors_lines_художник matplotlib или None

Линии остатков. Если with_errors=False, тогда он устанавливается в None.

scatter_художник matplotlib

Точечные данные.

ax_matplotlib Axes

Оси с различными осями matplotlib.

figure_фигура matplotlib

Рисунок, содержащий диаграмму рассеяния и линии.

Смотрите также

PredictionErrorDisplay.from_estimator

Визуализация ошибки предсказания для заданного оценщика и некоторых данных.

PredictionErrorDisplay.from_predictions

Визуализация ошибки предсказания по истинным и предсказанным целевым значениям.

Примеры

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import load_diabetes
>>> from sklearn.linear_model import Ridge
>>> from sklearn.metrics import PredictionErrorDisplay
>>> X, y = load_diabetes(return_X_y=True)
>>> ridge = Ridge().fit(X, y)
>>> y_pred = ridge.predict(X)
>>> display = PredictionErrorDisplay(y_true=y, y_pred=y_pred)
>>> display.plot()
<...>
>>> plt.show()
../../_images/sklearn-metrics-PredictionErrorDisplay-1.png
метод класса from_estimator(estimator, X, y, *, kind='residual_vs_predicted', subsample=1000, random_state=None, ax=None, scatter_kwargs=None, line_kwargs=None)[источник]#

Построить график ошибки предсказания для заданного регрессора и некоторых данных.

Для общей информации относительно scikit-learn инструменты визуализации, подробнее в Руководство по визуализации. Для подробностей по интерпретации этих графиков обратитесь к Руководство по оценке моделей.

Добавлено в версии 1.2.

Параметры:
estimatorэкземпляр estimator

Обученный регрессор или обученный Pipeline в котором последний оценщик является регрессором.

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

Входные значения.

yarray-like формы (n_samples,)

Целевые значения.

kind{“actual_vs_predicted”, “residual_vs_predicted”}, по умолчанию=”residual_vs_predicted”

Тип графика для рисования:

  • «actual_vs_predicted» рисует наблюдаемые значения (ось y) против предсказанных значений (ось x).

  • "residual_vs_predicted" отображает остатки, т.е. разницу между наблюдаемыми и предсказанными значениями, (ось y) против предсказанных значений (ось x).

subsamplefloat, int или None, по умолчанию=1_000

Выборка образцов для отображения на диаграмме рассеяния. Если float, должно быть между 0 и 1 и представляет долю исходного набора данных. Если int, он представляет количество образцов, отображаемых на диаграмме рассеяния. Если None, субдискретизация не будет применяться. По умолчанию, 1000 или менее выборок будут отображены.

random_stateint или RandomState, по умолчанию=None

Управляет случайностью, когда subsample не является None. См. Глоссарий подробности.

axоси matplotlib, по умолчанию=None

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

scatter_kwargsdict, по умолчанию=None

Словарь с ключевыми словами, переданными в matplotlib.pyplot.scatter вызов.

line_kwargsdict, по умолчанию=None

Словарь с ключевыми словами, переданными в matplotlib.pyplot.plot вызов для рисования оптимальной линии.

Возвращает:
отображениеPredictionErrorDisplay

Объект, который хранит вычисленные значения.

Смотрите также

PredictionErrorDisplay

Визуализация ошибки прогнозирования для регрессии.

PredictionErrorDisplay.from_predictions

Визуализация ошибки предсказания по истинным и предсказанным целевым значениям.

Примеры

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import load_diabetes
>>> from sklearn.linear_model import Ridge
>>> from sklearn.metrics import PredictionErrorDisplay
>>> X, y = load_diabetes(return_X_y=True)
>>> ridge = Ridge().fit(X, y)
>>> disp = PredictionErrorDisplay.from_estimator(ridge, X, y)
>>> plt.show()
../../_images/sklearn-metrics-PredictionErrorDisplay-2.png
метод класса from_predictions(y_true, y_pred, *, kind='residual_vs_predicted', subsample=1000, random_state=None, ax=None, scatter_kwargs=None, line_kwargs=None)[источник]#

Построить график ошибки предсказания по истинным и предсказанным целевым значениям.

Для общей информации относительно scikit-learn инструменты визуализации, подробнее в Руководство по визуализации. Для подробностей по интерпретации этих графиков обратитесь к Руководство по оценке моделей.

Добавлено в версии 1.2.

Параметры:
y_truearray-like формы (n_samples,)

Истинные целевые значения.

y_predarray-like формы (n_samples,)

Прогнозируемые значения целевой переменной.

kind{“actual_vs_predicted”, “residual_vs_predicted”}, по умолчанию=”residual_vs_predicted”

Тип графика для рисования:

  • «actual_vs_predicted» рисует наблюдаемые значения (ось y) против предсказанных значений (ось x).

  • "residual_vs_predicted" отображает остатки, т.е. разницу между наблюдаемыми и предсказанными значениями, (ось y) против предсказанных значений (ось x).

subsamplefloat, int или None, по умолчанию=1_000

Выборка образцов для отображения на диаграмме рассеяния. Если float, должно быть между 0 и 1 и представляет долю исходного набора данных. Если int, он представляет количество образцов, отображаемых на диаграмме рассеяния. Если None, субдискретизация не будет применяться. По умолчанию, 1000 или менее выборок будут отображены.

random_stateint или RandomState, по умолчанию=None

Управляет случайностью, когда subsample не является None. См. Глоссарий подробности.

axоси matplotlib, по умолчанию=None

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

scatter_kwargsdict, по умолчанию=None

Словарь с ключевыми словами, переданными в matplotlib.pyplot.scatter вызов.

line_kwargsdict, по умолчанию=None

Словарь с ключевыми словами, переданными в matplotlib.pyplot.plot вызов для рисования оптимальной линии.

Возвращает:
отображениеPredictionErrorDisplay

Объект, который хранит вычисленные значения.

Смотрите также

PredictionErrorDisplay

Визуализация ошибки прогнозирования для регрессии.

PredictionErrorDisplay.from_estimator

Визуализация ошибки предсказания для заданного оценщика и некоторых данных.

Примеры

>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import load_diabetes
>>> from sklearn.linear_model import Ridge
>>> from sklearn.metrics import PredictionErrorDisplay
>>> X, y = load_diabetes(return_X_y=True)
>>> ridge = Ridge().fit(X, y)
>>> y_pred = ridge.predict(X)
>>> disp = PredictionErrorDisplay.from_predictions(y_true=y, y_pred=y_pred)
>>> plt.show()
../../_images/sklearn-metrics-PredictionErrorDisplay-3.png
plot(ax=None, *, kind='residual_vs_predicted', scatter_kwargs=None, line_kwargs=None)[источник]#

Визуализация графика.

Дополнительные ключевые аргументы будут переданы в plot.

Параметры:
axоси matplotlib, по умолчанию=None

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

kind{“actual_vs_predicted”, “residual_vs_predicted”}, по умолчанию=”residual_vs_predicted”

Тип графика для рисования:

  • «actual_vs_predicted» рисует наблюдаемые значения (ось y) против предсказанных значений (ось x).

  • "residual_vs_predicted" отображает остатки, т.е. разницу между наблюдаемыми и предсказанными значениями, (ось y) против предсказанных значений (ось x).

scatter_kwargsdict, по умолчанию=None

Словарь с ключевыми словами, переданными в matplotlib.pyplot.scatter вызов.

line_kwargsdict, по умолчанию=None

Словарь с ключевыми словами, переданными в matplotlib.pyplot.plot вызов для рисования оптимальной линии.

Возвращает:
отображениеPredictionErrorDisplay

Объект, который хранит вычисленные значения.