DecisionBoundaryDisplay

classsklearn.inspection.DecisionBoundaryDisplay(*, xx0, xx1, response, xlabel=None, ylabel=None)[source]

Визуализация границ решений.

Рекомендуется использовать from_estimator для создания DecisionBoundaryDisplay. Все параметры хранятся в качестве атрибутов.

Подробнее см. в Руководстве пользователя.

Добавлена в версии 1.1.

Параметры:

xx0ndarray формы (разрешение_сетки, разрешение_сетки): Первый результат meshgrid.
xx1ndarray формы (разрешение_сетки, разрешение_сетки): Второй результат meshgrid.
responsendarray формы (разрешение_сетки, разрешение_сетки): Значения функции отклика.
xlabelstr, по умолчанию=None: По умолчанию метка для оси x.
ylabelstr, по умолчанию=None: По умолчанию метка для оси y.

Атрибуты:

surface_matplotlib QuadContourSet или QuadMesh: Если plot_method равно ‘contour’ или ‘contourf’, surface_ представляет собой QuadContourSet. Если plot_method равно ‘pcolormesh’, surface_ представляет собой QuadMesh.
ax_matplotlib Axes: Ось с границей решений.
figure_matplotlib Figure: Диаграмма, содержащая границу решений.

См. также

DecisionBoundaryDisplay.from_estimator: Построение границы 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

classmethodfrom_estimator(estimator, X, *, grid_resolution=100, eps=1.0, plot_method='contourf', response_method='auto', class_of_interest=None, xlabel=None, ylabel=None, ax=None, **kwargs)[source]

Построение границы решений для заданного оценщика.

Подробнее см. в Руководстве пользователя.

Параметры:

estimatorобъект: Обученный оценщик, используемый для построения границы решений.
X{array-like, разреженная матрица, dataframe} формы (n_samples, 2): Входные данные, которые должны быть только двумерными.
grid_resolutionint, по умолчанию=100: Количество точек сетки для построения границы решений. Более высокие значения сделают график более красивым, но медленнее отрисуют.
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, вызываемый при построении отклика. Пожалуйста, обратитесь к следующей документации matplotlib для получения подробностей: contourf, contour, pcolormesh.
response_method{‘auto’, ‘predict_proba’, ‘decision_function’, ‘predict’}, по умолчанию=’auto’: Указывает, использовать ли predict_proba, decision_function, predict в качестве целевого отклика. Если установлено в ‘auto’, метод отклика будет выбран в следующем порядке: decision_function, predict_proba, predict. Для задач с несколькими классами, predict выбирается, когда response_method="auto".

plot(plot_method='contourf', ax=None, xlabel=None, ylabel=None, **kwargs)[source]

Визуализация.

Параметры:

plot_method{‘contourf’, ‘contour’, ‘pcolormesh’}, по умолчанию=’contourf’: Метод построения графика для отображения ответа. Обратитесь к документации matplotlib для подробностей: contourf, contour, pcolormesh.
axОбъект осей Matplotlib, по умолчанию=None: Объект осей для построения графика. Если None, создается новая фигура и оси.
xlabelстрока, по умолчанию=None: Переопределяет метку оси X.
ylabelстрока, по умолчанию=None: Переопределяет метку оси Y.
**kwargsсловарь: Дополнительные ключевые параметры, которые нужно передать в plot_method.

Возвращает: