scikit-learn 提供的繪圖工具

Scikit-learn定義了一個簡單的API，創(chuàng)建用于機器學習的可視化對象。該API的特點是無需重新計算即可進行快速繪圖和視覺調整。在以下示例中，我們繪制了利用支持向量機算法產(chǎn)生的ROC曲線：

from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import plot_roc_curve
from sklearn.datasets import load_wine

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)
svc = SVC(random_state=42)
svc.fit(X_train, y_train)

svc_disp = plot_roc_curve(svc, X_test, y_test)

返回的svc_disp對象使我們可以在以后的圖中繼續(xù)使用已經(jīng)計算出的SVC的ROC曲線。在本例中，svc_disp是一個 RocCurveDisplay，它將計算得到的值儲存到稱作roc_auc，fpr，和tpr的屬性中。接下來，我們訓練一個隨機森林分類器，并使用Display對象的plot 方法再次繪制先前計算的roc曲線。

import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestClassifier

rfc = RandomForestClassifier(random_state=42)
rfc.fit(X_train, y_train)

ax = plt.gca()
rfc_disp = plot_roc_curve(rfc, X_test, y_test, ax=ax, alpha=0.8)
svc_disp.plot(ax=ax, alpha=0.8)

請注意，我們傳遞alpha=0.8給繪圖函數(shù)來調整曲線的透明度。

5.1.1 函數(shù)

5.1.2 可視化對象