scikit-plot

安裝說明

安裝Scikit-plot非常簡單，直接用命令：

pip install scikit-plot

即可完成安裝。

倉庫地址：

https://github.com/reiinakano/scikit-plot

里面有使用說明和樣例（py和ipynb格式）。

使用說明

 

簡單舉幾個例子

• 比如畫出分類評級指標的ROC曲線的完整代碼：

from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
X, y = load_digits(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33)
nb = GaussianNB()
nb.fit(X_train, y_train)
predicted_probas = nb.predict_proba(X_test)
# The magic happens here
import matplotlib.pyplot as plt
import scikitplot as skplt
skplt.metrics.plot_roc(y_test, predicted_probas)
plt.show()

 

效果如圖

 

 

圖：ROC曲線

 

• P-R曲線就是精確率precision vs 召回率recall 曲線，以recall作為橫坐標軸，precision作為縱坐標軸。首先解釋一下精確率和召回率。

import matplotlib.pyplot as plt
from sklearn.naive_bayes import GaussianNB
from sklearn.datasets import load_digits as load_data
import scikitplot as skplt
# Load dataset
X, y = load_data(return_X_y=True)
# Create classifier instance then fit
nb = GaussianNB()
nb.fit(X,y)
# Get predicted probabilities
y_probas = nb.predict_proba(X)
skplt.metrics.plot_precision_recall_curve(y, y_probas, cmap='nipy_spectral')
plt.show()

 

• 混淆矩陣是分類的重要評價標准，下面代碼是用隨機森林對鳶尾花數據集進行分類，分類結果畫一個歸一化的混淆矩陣。

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_digits as load_data
from sklearn.model_selection import cross_val_predict
import matplotlib.pyplot as plt
import scikitplot as skplt
X, y = load_data(return_X_y=True)
# Create an instance of the RandomForestClassifier
classifier = RandomForestClassifier()
# Perform predictions
predictions = cross_val_predict(classifier, X, y)
plot = skplt.metrics.plot_confusion_matrix(y, predictions, normalize=True)
plt.show()

 

 

圖：歸一化混淆矩陣

 

• 其他圖如學習曲線、特征重要性、聚類的肘點等等，都可以用幾行代碼搞定。

 

圖：學習曲線、特征重要性

 

 

圖：K-means肘點圖