可視化工具Yellowbrick：超參與行為的可視化帶來更優秀的實現

選自GitHub

機器之心編譯

參與：思源、劉曉坤

Yellowbrick 是一套名為「Visualizers」的視覺診斷工具，它擴展了 Scikit-Learn API 以允許我們監督模型的選擇過程。簡而言之，Yellowbrick 將 Scikit-Learn 與 Matplotlib 結合在一起，並以傳統 Scikit-Learn 的方式對模型進行可視化。

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

可視化器

可視化器（Visualizers）是一種從數據中學習的估計器，其主要目標是創建可理解模型選擇過程的可視化。在 Scikit-Learn 的術語中，它們類似於轉換器（transformer），其在可視化數據空間或包裝模型估計器上類似「ModelCV」（例如 RidgeCV 和 LassoCV）方法的過程。Yellowbrick 的主要目標是創建一個類似於 Scikit-Learn 的 API，其中一些流行的可視化器包括：

特徵可視化

Rank Features：單個或成對特徵排序以檢測關係

Parallel Coordinates：實例的水平可視化

Radial Visualization：圍繞圓形圖分離實例

PCA Projection：基於主成分分析映射實例

Manifold Visualization：通過流形學習實現高維可視化

Feature Importances：基於模型性能對特徵進行排序

Recursive Feature Elimination：按重要性搜索最佳特徵子集

Scatter and Joint Plots：通過特徵選擇直接進行數據可視化

分類可視化

Class Balance：了解類別分布如何影響模型

Class Prediction Error：展示分類的誤差與主要來源

Classification Report：可視化精度、召回率和 F1 分數的表徵

ROC/AUC Curves：受試者工作曲線和曲線下面積

Confusion Matrices：類別決策制定的視覺描述

Discrimination Threshold：搜索最佳分離二元類別的閾值

回歸可視化

Prediction Error Plots：沿著目標域尋找模型崩潰的原因

Residuals Plot：以殘差的方式展示訓練和測試數據中的差異

Alpha Selection：展示 alpha 的選擇如何影響正則化

聚類可視化

K-Elbow Plot：使用肘法（elbow method）和多個指標來選擇 k

Silhouette Plot：通過可視化輪廓係數值來選擇 k

模型選擇可視化

Validation Curve：對模型的單個超參數進行調整

Learning Curve：展示模型是否能從更多的數據或更低的複雜性中受益

文本可視化

Term Frequency：可視化語料庫中詞項的頻率分布

t-SNE Corpus Visualization：使用隨機近鄰嵌入來投影文檔

還有更多的可視化器！我們隨時會添加更多的可視化器，因此請確保查看示例（或甚至開發分支），並歡迎隨時為我們提供建議！

安裝 Yellowbrick

Yellowbrick 與 Python2.7 以及之後的版本兼容，但使用 Python3.5 或之後的版本會更合適並能利用其所有功能優勢。Yellowbrick 還依賴於 Scikit-Learn 0.18 或之後的版本，以及 Matplotlib1.5 或之後的版本。最簡單的安裝 Yellowbrick 的方法是從 PyPI 使用 pip 安裝。

注意 Yellowbrick 是一個活躍項目，將定期發布更多新的可視化器和更新。為了將 Yellowbrick 升級到最新的版本，按以下方式使用 pip 命令：

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

如果你使用 Anaconda（推薦 Windows 用戶使用），你可以使用 conda 命令來安裝 Yellowbrick：

然而請注意，在 Linux 上用 Anaconda 安裝 Yellowbrick 有一個已知的 bug：https://github.com/DistrictDataLabs/yellowbrick/issues/205

使用 Yellowbrick

Yellowbrick API 是特別為更好地使用 Scikit-Learn 而設計的。這裡有一個使用 Scikit-Learn 和 Yellowbrick 的典型工作流序列的例子：

特徵可視化

在這個例子中，我們將看到 Rank2D 如何使用特定指標對數據集中的每個特徵進行兩兩對比，然後返回展示排序的左下三角圖。

模型可視化

在這個例子中，我們用具體例子來說明一個 Scikit-Learn 分類器，然後使用 Yellowbrick 的 ROCAUC 類來可視化分類器的敏感性和特異性的權衡過程。

本文為機器之心編譯，轉載請聯繫本公眾號獲得授權。

------------------------------------------------

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！