ValidationCurveDisplay

classsklearn.model_selection.ValidationCurveDisplay(*, param_name, param_range, train_scores, test_scores, score_name=None)[исходный код]

Визуализация кривой валидации.

Для создания экземпляра ValidationCurveDisplay рекомендуется использовать from_estimator. Все параметры сохраняются в виде атрибутов.

Общую информацию об API визуализации см. в руководстве пользователя, а подробную документацию по визуализации кривой валидации — там же.

Добавлено в версии 1.3.

Параметры:

param_namestr

Название изменяемого параметра.

param_rangearray-like of shape (n_ticks,)

Значения параметра, которые были проверены.

train_scoresndarray of shape (n_ticks, n_cv_folds)

Оценки на обучающих наборах.

test_scoresndarray of shape (n_ticks, n_cv_folds)

Оценки на тестовом наборе.

score_namestr, default=None

Название оценки, используемой в validation_curve. Оно переопределяет название, выведенное из параметра scoring. Если score равно None, используется "Score", если negate_score равно False, и "Negative score" в противном случае. Если scoring — строка или вызываемый объект, название выводится автоматически. Вместо _ вставляются пробелы, а первая буква становится заглавной. neg_ удаляется и заменяется на "Negative", если negate_score равно False, иначе он просто удаляется.

Атрибуты:

ax_matplotlib Axes

Объект Axes с кривой валидации.

figure_matplotlib Figure

Объект Figure, содержащий кривую валидации.

errorbar_list of matplotlib Artist or None

Если std_display_style равно "errorbar", это список объектов matplotlib.container.ErrorbarContainer. При использовании другого стиля errorbar_ равно None.

lines_list of matplotlib Artist or None

Если std_display_style равно "fill_between", это список объектов matplotlib.lines.Line2D, соответствующих средним оценкам на обучающем и тестовом наборах. При использовании другого стиля line_ равно None.

fill_between_list of matplotlib Artist or None

Если std_display_style равно "fill_between", это список объектов matplotlib.collections.PolyCollection. При использовании другого стиля fill_between_ равно None.

См. также

sklearn.model_selection.validation_curve

Вычисляет кривую валидации.

Примеры

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import make_classification
>>> from sklearn.model_selection import ValidationCurveDisplay, validation_curve
>>> from sklearn.linear_model import LogisticRegression
>>> X, y = make_classification(n_samples=1_000, random_state=0)
>>> logistic_regression = LogisticRegression()
>>> param_name, param_range = "C", np.logspace(-8, 3, 10)
>>> train_scores, test_scores = validation_curve(
...     logistic_regression, X, y, param_name=param_name, param_range=param_range
... )
>>> display = ValidationCurveDisplay(
...     param_name=param_name, param_range=param_range,
...     train_scores=train_scores, test_scores=test_scores, score_name="Score"
... )
>>> display.plot()
<...>
>>> plt.show()

classmethodfrom_estimator(estimator, X, y, *, param_name, param_range, groups=None, cv=None, scoring=None, n_jobs=None, pre_dispatch='all', verbose=0, error_score=nan, fit_params=None, ax=None, negate_score=False, score_name=None, score_type='both', std_display_style='fill_between', line_kw=None, fill_between_kw=None, errorbar_kw=None)[исходный код]

Создает визуализацию кривой валидации на основе оценщика.

Общую информацию об API визуализации см. в руководстве пользователя, а подробную документацию по визуализации кривой валидации — там же.

Параметры:

estimatorobject type that implements the “fit” and “predict” methods

Объект этого типа, который клонируется для каждой проверки.

Xarray-like of shape (n_samples, n_features)

Обучающие данные, где n_samples — число образцов, а n_features — число признаков.

yarray-like of shape (n_samples,) or (n_samples, n_outputs) or None

Целевые значения, соответствующие X, для классификации или регрессии; None для обучения без учителя.

param_namestr

Название изменяемого параметра.

param_rangearray-like of shape (n_values,)

Значения параметра, которые будут проверены.

groupsarray-like of shape (n_samples,), default=None

Метки групп образцов, используемые при разделении набора данных на обучающую и тестовую выборки. Используется только вместе с экземпляром cv типа «Group» (например, GroupKFold).

cvint, cross-validation generator or an iterable, default=None

Определяет стратегию разбиения для перекрестной проверки. Возможные значения cv:

• None — используется перекрестная проверка с 5 блоками по умолчанию;
• int — задает число блоков в (Stratified)KFold;
• разбиватель перекрестной проверки;
• итерируемый объект, возвращающий разбиения (train, test) в виде массивов индексов.

Для значений int/None, если оценщик является классификатором, а y — бинарная или многоклассовая, используется StratifiedKFold. Во всех остальных случаях используется KFold. Эти разбиватели создаются с shuffle=False, поэтому при каждом вызове разбиения будут одинаковыми.

Различные стратегии перекрестной проверки, которые можно использовать здесь, описаны в руководстве пользователя.

scoringstr or callable, default=None

Метод оценки, используемый при вычислении кривой валидации. Возможные варианты:

• str: варианты см. в разделе оценщики с названиями в виде строк.
• callable: вызываемый объект-оценщик (например, функция) с сигнатурой scorer(estimator, X, y). Подробности см. в разделе вызываемые оценщики.
• None: используется критерий оценки по умолчанию для estimator.

n_jobsint, default=None

Число параллельно выполняемых заданий. Обучение оценщика и вычисление оценки выполняются параллельно для разных обучающих и тестовых наборов. Значение None означает 1, если только код не выполняется в контексте joblib.parallel_backend. Значение -1 означает использование всех процессоров. Подробнее см. в глоссарии.

pre_dispatchint or str, default=’all’

Число заданий, отправляемых заранее для параллельного выполнения (по умолчанию — все). Этот параметр может уменьшить объем выделяемой памяти. В качестве строки можно указать выражение, например ‘2*n_jobs’.

verboseint, default=0

Управляет подробностью вывода: чем больше значение, тем больше сообщений.

error_score‘raise’ or numeric, default=np.nan

Значение, присваиваемое оценке при возникновении ошибки во время обучения оценщика. Если задано ‘raise’, ошибка вызывает исключение. Если задано числовое значение, выдается предупреждение FitFailedWarning.

fit_paramsdict, default=None

Параметры, передаваемые методу fit оценщика.

axmatplotlib Axes, default=None

Объект Axes, на котором будет построен график. Если None, создаются новые объекты figure и axes.

negate_scorebool, default=False

Следует ли инвертировать знаки оценок, полученных с помощью validation_curve. Это особенно полезно при использовании ошибки, обозначенной neg_* в scikit-learn.

score_namestr, default=None

Название оценки, используемое для подписи оси y графика. Оно переопределяет название, выведенное из параметра scoring. Если score равно None, используется "Score", если negate_score равно False, и "Negative score" в противном случае. Если scoring — строка или вызываемый объект, название выводится автоматически. Вместо _ вставляются пробелы, а первая буква становится заглавной. neg_ удаляется и заменяется на "Negative", если negate_score равно False, иначе он просто удаляется.

score_type{“test”, “train”, “both”}, default=”both”

Тип оценки для построения графика. Возможные значения: "test", "train" или "both".

std_display_style{“errorbar”, “fill_between”} or None, default=”fill_between”

Стиль отображения стандартного отклонения оценки относительно ее среднего значения. Если задано None, стандартное отклонение не отображается.

line_kwdict, default=None

Дополнительные именованные аргументы, передаваемые объекту plt.plot для построения средней оценки.

fill_between_kwdict, default=None

Дополнительные именованные аргументы, передаваемые объекту plt.fill_between для отображения стандартного отклонения оценки.

errorbar_kwdict, default=None

Дополнительные именованные аргументы, передаваемые объекту plt.errorbar для отображения средней оценки и ее стандартного отклонения.

Возвращает:

displayValidationCurveDisplay

Объект, хранящий вычисленные значения.

Примеры

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> from sklearn.datasets import make_classification
>>> from sklearn.model_selection import ValidationCurveDisplay
>>> from sklearn.linear_model import LogisticRegression
>>> X, y = make_classification(n_samples=1_000, random_state=0)
>>> logistic_regression = LogisticRegression()
>>> param_name, param_range = "C", np.logspace(-8, 3, 10)
>>> ValidationCurveDisplay.from_estimator(
...     logistic_regression, X, y, param_name=param_name,
...     param_range=param_range,
... )
<...>
>>> plt.show()

plot(ax=None, *, negate_score=False, score_name=None, score_type='both', std_display_style='fill_between', line_kw=None, fill_between_kw=None, errorbar_kw=None)[исходный код]

Строит визуализацию.

Параметры:

axmatplotlib Axes, default=None

Объект Axes, на котором будет построен график. Если None, создаются новые объекты figure и axes.

negate_scorebool, default=False

Следует ли инвертировать знаки оценок, полученных с помощью validation_curve. Это особенно полезно при использовании ошибки, обозначенной neg_* в scikit-learn.

score_namestr, default=None

Название оценки, используемое для подписи оси y графика. Оно переопределяет название, выведенное из параметра scoring. Если score равно None, используется "Score", если negate_score равно False, и "Negative score" в противном случае. Если scoring — строка или вызываемый объект, название выводится автоматически. Вместо _ вставляются пробелы, а первая буква становится заглавной. neg_ удаляется и заменяется на "Negative", если negate_score равно False, иначе он просто удаляется.

score_type{“test”, “train”, “both”}, default=”both”

Тип оценки для построения графика. Возможные значения: "test", "train" или "both".

std_display_style{“errorbar”, “fill_between”} or None, default=”fill_between”

Стиль отображения стандартного отклонения оценки относительно ее среднего значения. Если задано None, стандартное отклонение не отображается.

line_kwdict, default=None

Дополнительные именованные аргументы, передаваемые объекту plt.plot для построения средней оценки.

fill_between_kwdict, default=None

Дополнительные именованные аргументы, передаваемые объекту plt.fill_between для отображения стандартного отклонения оценки.

errorbar_kwdict, default=None

Дополнительные именованные аргументы, передаваемые объекту plt.errorbar для отображения средней оценки и ее стандартного отклонения.

Возвращает:

displayValidationCurveDisplay

Объект, хранящий вычисленные значения.

Примеры из галереи

Влияние регуляризации модели на ошибку на обучающих и тестовых данных

Основные нововведения scikit-learn 1.3