PredictionErrorDisplay

classsklearn.metrics.PredictionErrorDisplay(*, y_true, y_pred)[source]

Визуализация ошибки прогноза регрессионной модели.

Этот инструмент может отображать «остатки против предсказанных» или «фактические против предсказанных» значения с помощью диаграмм рассеяния для качественной оценки поведения регрессора, предпочтительно на точках данных, оставленных вне обучения.

См. подробности в документации from_estimator или from_predictions для создания визуализатора. Все параметры хранятся в виде атрибутов.

Дополнительную информацию о scikit-learn инструментах визуализации см. в Руководстве по визуализации. Подробные сведения об интерпретации этих графиков см. в Руководстве по оценке модели.

Добавлена в версии 1.2.

Параметры:

y_truendarray формы (n_samples,)

Истинные значения.

y_predndarray формы (n_samples,)

Предсказанные значения.

Атрибуты:

line_matplotlib Artist

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

errors_lines_matplotlib Artist или None

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

scatter_matplotlib Artist

Точки данных на диаграмме рассеяния.

ax_matplotlib Axes

Ось с различными осями matplotlib.

figure_matplotlib Figure

Диаграмма, содержащая диаграмму рассеяния и линии.

См. также

PredictionErrorDisplay.from_estimator

Визуализация ошибки прогноза на основе оценщика и некоторых данных.

PredictionErrorDisplay.from_predictions

Визуализация ошибки прогноза на основе истинных и предсказанных целевых значений.

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()

classmethodfrom_estimator(estimator, X, y, *, kind='residual_vs_predicted', subsample=1000, random_state=None, ax=None, scatter_kwargs=None, line_kwargs=None)[source]

Построение ошибки прогноза на основе регрессора и некоторых данных.

Дополнительную информацию о scikit-learn инструментах визуализации см. в Руководстве по визуализации. Подробные сведения об интерпретации этих графиков см. в Руководстве по оценке модели.

Добавлена в версии 1.2.

Параметры:

estimatorэкземпляр оценщика

Обученный регрессор или обученный Pipeline, в котором последним оценщиком является регрессор.

X{array-like, разреженная матрица} 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 построения:

• “actual_vs_predicted” строит наблюдаемые значения (ось y) против предсказанных значений (ось x).
• “residual_vs_predicted” строит 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 отображаемых точек данных на диаграмме рассеяния. Если float, должно быть значением от 0 до 1 и представляет собой долю исходного набора данных. Если int, представляет количество отображаемых точек данных. Если None, применение подвыборки не будет. По умолчанию отображаются 1000 и менее точек.

random_stateint или RandomState, по умолчанию=None

Управляет случайностью, когда subsample не является None. Подробнее см. Словарь.

axmatplotlib axes, по умолчанию=None

Объект оси для построения графика. Если None, создается новая фигура и ось.

scatter_kwargsdict, по умолчанию=None

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

line_kwargsdict, по умолчанию=None

Словарь с ключевыми словами, передаваемыми в вызов matplotlib.pyplot.plot для построения оптимальной линии.

Возвращает:

displayPredictionErrorDisplay

Объект, хранящий вычисленные значения.

См. также

PredictionErrorDisplay

Визуализация ошибки прогноза для регрессии.

PredictionErrorDisplay.from_predictions

Визуализация ошибки прогноза на основе истинных и предсказанных целевых значений.

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()

classmethodfrom_predictions(y_true, y_pred, *, kind='residual_vs_predicted', subsample=1000, random_state=None, ax=None, scatter_kwargs=None, line_kwargs=None)[source]

Построение графика ошибок предсказания при заданных истинных и предсказанных значениях целей.

Для общей информации о средствах визуализации scikit-learn подробнее читайте в Руководстве по визуализации. Подробные сведения о интерпретации этих графиков см. в Руководстве по оценке моделей.

Добавлена в версии 1.2.

Параметры:

y_trueодномерный массив данных (n_samples,)

Истинные значения целей.

y_predодномерный массив данных (n_samples,)

Предсказанные значения целей.

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

Тип графика для построения:

• “actual_vs_predicted” строит наблюдаемые значения (ось y) против предсказанных значений (ось x).
• “residual_vs_predicted” строит 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 точечном графике. Если это число, оно должно быть между 0 и 1 и представляет собой долю исходного набора данных. Если это целое число, оно представляет собой количество образцов для отображения на точечном графике. Если None, подвыборка не будет применена. По умолчанию отображается 1000 и менее образцов.

random_stateint или RandomState, по умолчанию=None

Управляет случайностью, когда subsample не None. См. Глоссарий для деталей.

axmatplotlib axes, по умолчанию=None

Объект осей для построения графика. Если None, создается новая фигура и оси.

scatter_kwargsсловарь, по умолчанию=None

Словарь со ключевыми словами, передаваемыми в вызов matplotlib.pyplot.scatter.

line_kwargsсловарь, по умолчанию=None

Словарь с ключевыми словами, передаваемыми в вызов matplotlib.pyplot.plot для построения оптимальной линии.

Возвращаемое значение:

displayPredictionErrorDisplay

Объект, хранящий вычисленные значения.

См. также

PredictionErrorDisplay

Визуализация ошибок предсказания для регрессии.

PredictionErrorDisplay.from_estimator

Визуализация ошибок предсказания с использованием оценивателя и 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()

plot(ax=None, *, kind='residual_vs_predicted', scatter_kwargs=None, line_kwargs=None)[source]

Построение визуализации.

Дополнительные ключевые слова будут переданы в plot matplotlib.

Параметры:

axmatplotlib axes, по умолчанию=None

Объект осей для построения графика. Если None, создается новая фигура и оси.

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

Тип графика для построения:

• “actual_vs_predicted” строит наблюдаемые значения (ось y) против предсказанных значений (ось x).
• “residual_vs_predicted” строит остатки, т. е. разницу между наблюдаемыми и предсказанными значениями, (ось y) против предсказанных значений (ось x).

scatter_kwargsсловарь, по умолчанию=None

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

line_kwargsсловарь, по умолчанию=None

Словарь с ключевыми словами, передаваемыми в вызов matplotlib.pyplot.plot для построения оптимальной линии.

Возвращаемое значение:

displayPredictionErrorDisplay

Объект, хранящий вычисленные значения.