正文

掌握scikit-learn，这些可视化工具助你洞察数据之美

/0 浏览量
0831

引言

Scikit-learn 是一个强大的机器学习库，它为数据科学家和机器学习工程师提供了丰富的算法和工具。然而，仅仅掌握算法还不够，我们还需要能够洞察数据背后的故事。可视化工具在这一过程中扮演着至关重要的角色。本文将介绍一些与 Scikit-learn 配合使用的可视化工具，帮助你更好地理解数据，从而提高模型性能。

1. Matplotlib

Matplotlib 是一个基础的绘图库，它可以生成各种类型的图表，如线图、散点图、柱状图等。Matplotlib 与 Scikit-learn 结合使用，可以很方便地展示数据分布和模型预测结果。

1.1 线图

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.title('Sine Wave')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.grid(True)
plt.show()

1.2 散点图

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randn(100)
y = np.random.randn(100)

plt.scatter(x, y)
plt.title('Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.grid(True)
plt.show()

2. Seaborn

Seaborn 是基于 Matplotlib 的一个高级可视化库，它提供了更加丰富的绘图功能，使得数据可视化更加直观和美观。

2.1 联合图

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

df = pd.DataFrame({
    'A': np.random.randn(100),
    'B': np.random.randn(100)
})

sns.jointplot(x='A', y='B', data=df)
plt.show()

2.2 散点图矩阵

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

df = pd.DataFrame({
    'A': np.random.randn(100),
    'B': np.random.randn(100)
})

sns.pairplot(df)
plt.show()

3. Plotly

Plotly 是一个交互式可视化库，它可以生成各种类型的图表，如散点图、热图、地图等。Plotly 的图表可以在网页上展示，方便用户进行交互式探索。

3.1 散点图

import plotly.express as px
import pandas as pd

df = pd.DataFrame({
    'A': np.random.randn(100),
    'B': np.random.randn(100)
})

fig = px.scatter(df, x='A', y='B')
fig.show()

4. Scikit-learn 的可视化工具

Scikit-learn 自身也提供了一些可视化工具，如 plot_decision_regions 和 plot_confusion_matrix，用于展示模型的决策区域和混淆矩阵。

4.1 决策区域

from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.decomposition import PCA
from sklearn.manifold import TSNE
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt

X, y = make_classification(n_samples=100, n_features=2, n_informative=2, n_redundant=0, n_clusters_per_class=1, random_state=42)

# 数据标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 主成分分析
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X_pca, y, test_size=0.3, random_state=42)

# 逻辑回归模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 可视化决策区域
from sklearn.datasets import make_moons
from matplotlib.colors import ListedColormap

X, y = make_moons(n_samples=100, noise=0.2, random_state=42)
h = .02  # 划分网格的大小
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))

Z = model.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)

# 创建颜色映射
cmap_light = ListedColormap(['#FFAAAA', '#AAFFAA'])
cmap_bold = ListedColormap(['#FF0000', '#00FF00'])

plt.figure()
plt.pcolormesh(xx, yy, Z, cmap=cmap_light)

# 绘制边界和样本点
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=cmap_bold, edgecolor='k', marker='o')
plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())
plt.title('3-Class classification (Linearly separable)')
plt.show()

4.2 混淆矩阵

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt
import seaborn as sns

# 加载数据
data = load_iris()
X, y = data.data, data.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 逻辑回归模型
model = LogisticRegression()
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 计算混淆矩阵
cm = confusion_matrix(y_test, y_pred)

# 可视化混淆矩阵
plt.figure(figsize=(8, 6))
sns.heatmap(cm, annot=True, fmt='g', cmap='Blues')
plt.title('Confusion Matrix')
plt.xlabel('Predicted Label')
plt.ylabel('True Label')
plt.show()

结论

掌握 Scikit-learn 的可视化工具可以帮助我们更好地理解数据，从而提高模型性能。本文介绍了 Matplotlib、Seaborn、Plotly 和 Scikit-learn 自身的一些可视化工具，希望对您有所帮助。在实际应用中，可以根据具体需求选择合适的工具，并进行定制化开发，以实现最佳效果。

-- 展开阅读全文 --