DecisionBoundaryDisplay#

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

决策边界可视化。

It is recommended to use from_estimator to create a DecisionBoundaryDisplay. All parameters are stored as attributes.

阅读更多的 User Guide .

Added in version 1.1.

参数:

xx0形状的nd数组（grid_resolution，grid_resolution）: 的第一输出 meshgrid .
xx1形状的nd数组（grid_resolution，grid_resolution）: 的第二输出 meshgrid .
response形状的nd数组（grid_resolution，grid_resolution）: 响应函数的值。
xlabel字符串，默认=无: 放置在x轴上的默认标签。
ylabel字符串，默认=无: 要放置在y轴上的默认标签。

属性:

surface_ ：matplotlib QuadContourSet 或 QuadMeshmatplotlib QuadContourSet or QuadMesh: 如果 plot_method 是“轮廓”或“轮廓”， surface_ 是一 QuadContourSet .如果 plot_method 是“pcolormesh”， surface_ 是一 QuadMesh .
ax_matplotlib轴: 具有决策边界的轴。
figure_matplotlib图: 包含决策边界的图形。

参见

DecisionBoundaryDisplay.from_estimator: 给定估计器绘制决策边界。

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

给定估计器绘制决策边界。

阅读更多的 User Guide .

参数:

estimator对象: 经过培训的估计器用于绘制决策边界。
X{array-like, sparse matrix, dataframe} of shape (n_samples, 2): 输入的数据应该仅为2维。
grid_resolutionint，默认=100: 用于绘制决策边界的网格点数量。较高的值会使情节看起来更好，但渲染速度较慢。
epsfloat，默认=1.0: 扩展X的最小值和最大值以计算响应函数。
plot_method' contourf '，' pcolormesh '}，默认=' contourf ': 绘制响应时调用的绘制方法。请参阅以下matplotlib文档了解详细信息： contourf , contour , pcolormesh .
response_method输入'auto'，'predict_proba'，'decision_function'， 'predict'}，default='auto': 指定是否使用 predict_proba , decision_function , predict 作为目标响应。如果设置为“自动”，则按以下顺序尝试响应方法： decision_function , predict_proba , predict .对于多类问题， predict 时选择 response_method="auto" .
class_of_interestint、float、bool或string，默认值为无: 全班在制定决定时考虑了这一点。如果没有， estimator.classes_[1] 被认为是二进制分类器的正类。当出现时，多类分类器必须具有显式值 response_method 是“predict_proba”或“decision_function '。

Added in version 1.4.
xlabel字符串，默认=无: 用于x轴的标签。如果 None ，尝试提取标签 X 如果它是一个字符串，否则使用空字符串。
ylabel字符串，默认=无: 用于y轴的标签。如果 None ，尝试提取标签 X 如果它是一个字符串，否则使用空字符串。
axMatplotlib轴，默认=无: 轴反对绘图。如果 None ，创建新图形和轴。
**kwargsdict: 要传递给 plot_method .

返回:

display : DecisionBoundaryDisplayDecisionBoundaryDisplay: 存储结果的。

参见

DecisionBoundaryDisplay: 决策边界可视化。
sklearn.metrics.ConfusionMatrixDisplay.from_estimator: 在给定估计量、数据和标签的情况下绘制混淆矩阵。
sklearn.metrics.ConfusionMatrixDisplay.from_predictions: 给定真实和预测标签，绘制混淆矩阵。

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]#

情节可视化。

参数:

plot_method' contourf '，' pcolormesh '}，默认=' contourf ': 绘制响应时调用的绘制方法。请参阅以下matplotlib文档了解详细信息： contourf , contour , pcolormesh .
axMatplotlib轴，默认=无: 轴反对绘图。如果 None ，创建新图形和轴。
xlabel字符串，默认=无: 覆盖x轴标签。
ylabel字符串，默认=无: 覆盖y轴标签。
**kwargsdict: 要传递给 plot_method .

返回:

显示： DecisionBoundaryDisplay: 存储计算值的对象。