DecisionBoundaryDisplay#

class sklearn.inspection.DecisionBoundaryDisplay(*, xx0, xx1, response, multiclass_colors=None, xlabel=None, ylabel=None)[源代码]#

决策边界可视化。

建议使用 from_estimator 来创建 DecisionBoundaryDisplay 对象。所有参数都作为属性存储。

在用户指南中了解更多信息。

有关多项式逻辑回归和一对多逻辑回归决策边界的详细比较示例，请参阅多项式逻辑回归和一对多逻辑回归的决策边界。

在 1.1 版本中新增。

参数:
xx0形状为 (grid_resolution, grid_resolution) 的 ndarray

meshgrid 的第一个输出。

xx1形状为 (grid_resolution, grid_resolution) 的 ndarray

meshgrid 的第二个输出。

response形状为 (grid_resolution, grid_resolution) 或 (grid_resolution, grid_resolution, n_classes) 的 ndarray

响应函数的值。

multiclass_colorsstr 列表或 str，默认为 None

指定在绘制多类问题的所有类别时如何为每个类别着色。对于二元问题和在每个点绘制单个预测值时的多类问题，此参数将被忽略。可能的输入有：

将从列表中或从颜色映射中获取的颜色生成单色颜色映射，并传递给 plot_method 的 cmap 参数。

在 1.7 版本中新增。

xlabelstr，默认为 None

放置在 x 轴上的默认标签。

ylabelstr，默认为 None

放置在 y 轴上的默认标签。

属性:
surface_matplotlib QuadContourSet 或 QuadMesh 或此类对象的列表

如果 plot_method 是 ‘contour’ 或 ‘contourf’，则 surface_ 是 QuadContourSet。如果 plot_method 是 ‘pcolormesh’，则 surface_ 是 QuadMesh。

multiclass_colors_形状为 (n_classes, 4) 的数组

在多类问题中用于绘制每个类别的颜色。仅当 color_of_interest 为 None 时定义。

在 1.7 版本中新增。

ax_matplotlib Axes

带有决策边界的轴。

figure_matplotlib Figure

包含决策边界的图。

另请参阅

DecisionBoundaryDisplay.from_estimator

绘制给定估计器的决策边界。

示例

>>> 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
classmethod from_estimator(estimator, X, *, grid_resolution=100, eps=1.0, plot_method='contourf', response_method='auto', class_of_interest=None, multiclass_colors=None, xlabel=None, ylabel=None, ax=None, **kwargs)[源代码]#

绘制给定估计器的决策边界。

在用户指南中了解更多信息。

参数:
estimator对象

用于绘制决策边界的已训练估计器。

X{类数组、稀疏矩阵、数据框}，形状为 (n_samples, 2)

应为二维的输入数据。

grid_resolutionint，默认为 100

用于绘制决策边界的网格点数量。值越高，绘图效果越好，但渲染速度会变慢。

epsfloat，默认为 1.0

扩展 X 的最小值和最大值，用于评估响应函数。

plot_method{‘contourf’, ‘contour’, ‘pcolormesh’}，默认为 ‘contourf’

绘制响应时调用的绘图方法。有关详细信息，请参阅以下 Matplotlib 文档：contourf, contour, pcolormesh。

response_method{‘auto’, ‘decision_function’, ‘predict_proba’, ‘predict’}，默认为 ‘auto’

指定是否使用 decision_function、predict_proba 或 predict 作为目标响应。如果设置为 ‘auto’，则按上述顺序尝试响应方法。

在 1.6 版本中更改: 对于多类问题，‘auto’ 不再默认为 ‘predict’。

class_of_interestint, float, bool 或 str，默认为 None

当 response_method 为 ‘predict_proba’ 或 ‘decision_function’ 时要绘制的类别。如果为 None，则对于二元分类器，estimator.classes_[1] 被视为正类别。对于多类分类器，如果为 None，则所有类别都将在决策边界图中表示；绘制在每个点上具有最高响应值的类别。每个类别的颜色可以通过 multiclass_colors 设置。

在 1.4 版本中新增。

multiclass_colorsstr 列表或 str，默认为 None

指定当绘制多类‘predict_proba’或‘decision_function’且 class_of_interest 为 None 时如何为每个类别着色。在所有其他情况下，此参数将被忽略。

可能的输入有

  • list: Matplotlib 颜色字符串列表，长度为 n_classes

  • str: matplotlib.colors.Colormap 的名称

  • None: 如果类别数量

    小于或等于 10，则使用 ‘tab10’ 颜色映射来采样颜色，否则使用 ‘gist_rainbow’ 颜色映射。

将从列表中或从颜色映射中获取的颜色生成单色颜色映射，并传递给 plot_method 的 cmap 参数。

在 1.7 版本中新增。

xlabelstr，默认为 None

用于 x 轴的标签。如果为 None，则尝试从 X（如果它是数据框）中提取标签，否则使用空字符串。

ylabelstr，默认为 None

用于 y 轴的标签。如果为 None，则尝试从 X（如果它是数据框）中提取标签，否则使用空字符串。

axMatplotlib 坐标轴，默认为 None

要绘制的坐标轴对象。如果为 None，则会创建一个新的图形和坐标轴。

**kwargs字典

要传递给 plot_method 的额外关键字参数。

返回:
displayDecisionBoundaryDisplay

存储结果的对象。

另请参阅

DecisionBoundaryDisplay

决策边界可视化。

sklearn.metrics.ConfusionMatrixDisplay.from_estimator

绘制给定估计器、数据和标签的混淆矩阵。

sklearn.metrics.ConfusionMatrixDisplay.from_predictions

绘制给定真实和预测标签的混淆矩阵。

示例

>>> 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, xlabel=None, ylabel=None, **kwargs)[源代码]#

绘制可视化结果。

参数:
plot_method{‘contourf’, ‘contour’, ‘pcolormesh’}，默认为 ‘contourf’

绘制响应时调用的绘图方法。有关详细信息，请参阅以下 Matplotlib 文档：contourf, contour, pcolormesh。

axMatplotlib 坐标轴，默认为 None

要绘制的坐标轴对象。如果为 None，则会创建一个新的图形和坐标轴。

xlabelstr，默认为 None

覆盖 x 轴标签。

ylabelstr，默认为 None

覆盖 y 轴标签。

**kwargs字典

要传递给 plot_method 的额外关键字参数。

返回:
display: DecisionBoundaryDisplay

存储计算值的对象。