Zufällig generiertes Multilabel-Datenset plotten

Dies illustriert den Datensatzgenerator make_multilabel_classification. Jede Stichprobe besteht aus Zählungen von zwei Merkmalen (bis zu 50 insgesamt), die in jeder von zwei Klassen unterschiedlich verteilt sind.

Punkte werden wie folgt beschriftet, wobei Y bedeutet, dass die Klasse vorhanden ist

1	2	3	Farbe
Y	N	N	Rot
N	Y	N	Blau
N	N	Y	Gelb
Y	Y	N	Violett
Y	N	Y	Orange
Y	Y	N	Grün
Y	Y	Y	Braun

Ein Stern markiert die erwartete Stichprobe für jede Klasse; seine Größe spiegelt die Wahrscheinlichkeit der Auswahl dieser Klassenbezeichnung wider.

Die linken und rechten Beispiele heben den Parameter n_labels hervor: mehr der Stichproben im rechten Plot haben 2 oder 3 Labels.

Beachten Sie, dass dieses zweidimensionale Beispiel sehr degeneriert ist: Im Allgemeinen wäre die Anzahl der Merkmale viel größer als die "Dokumentenlänge", während wir hier viel größere Dokumente als Vokabular haben. Ebenso ist es bei n_classes > n_features viel unwahrscheinlicher, dass ein Merkmal eine bestimmte Klasse unterscheidet.

The data was generated from (random_state=939):
Class   P(C)    P(w0|C) P(w1|C)
red     0.52    0.46    0.54
blue    0.28    0.59    0.41
yellow  0.19    0.50    0.50

# Authors: The scikit-learn developers
# SPDX-License-Identifier: BSD-3-Clause

import matplotlib.pyplot as plt
import numpy as np

from sklearn.datasets import make_multilabel_classification as make_ml_clf

COLORS = np.array(
    [
        "!",
        "#FF3333",  # red
        "#0198E1",  # blue
        "#BF5FFF",  # purple
        "#FCD116",  # yellow
        "#FF7216",  # orange
        "#4DBD33",  # green
        "#87421F",  # brown
    ]
)

# Use same random seed for multiple calls to make_multilabel_classification to
# ensure same distributions
RANDOM_SEED = np.random.randint(2**10)


def plot_2d(ax, n_labels=1, n_classes=3, length=50):
    X, Y, p_c, p_w_c = make_ml_clf(
        n_samples=150,
        n_features=2,
        n_classes=n_classes,
        n_labels=n_labels,
        length=length,
        allow_unlabeled=False,
        return_distributions=True,
        random_state=RANDOM_SEED,
    )

    ax.scatter(
        X[:, 0], X[:, 1], color=COLORS.take((Y * [1, 2, 4]).sum(axis=1)), marker="."
    )
    ax.scatter(
        p_w_c[0] * length,
        p_w_c[1] * length,
        marker="*",
        linewidth=0.5,
        edgecolor="black",
        s=20 + 1500 * p_c**2,
        color=COLORS.take([1, 2, 4]),
    )
    ax.set_xlabel("Feature 0 count")
    return p_c, p_w_c


_, (ax1, ax2) = plt.subplots(1, 2, sharex="row", sharey="row", figsize=(8, 4))
plt.subplots_adjust(bottom=0.15)

p_c, p_w_c = plot_2d(ax1, n_labels=1)
ax1.set_title("n_labels=1, length=50")
ax1.set_ylabel("Feature 1 count")

plot_2d(ax2, n_labels=3)
ax2.set_title("n_labels=3, length=50")
ax2.set_xlim(left=0, auto=True)
ax2.set_ylim(bottom=0, auto=True)

plt.show()

print("The data was generated from (random_state=%d):" % RANDOM_SEED)
print("Class", "P(C)", "P(w0|C)", "P(w1|C)", sep="\t")
for k, p, p_w in zip(["red", "blue", "yellow"], p_c, p_w_c.T):
    print("%s\t%0.2f\t%0.2f\t%0.2f" % (k, p, p_w[0], p_w[1]))

Verwandte Beispiele

Multilabel-Klassifikation

Multilabel-Klassifikation

Verwendung von KBinsDiscretizer zur Diskretisierung kontinuierlicher Merkmale

Verwendung von KBinsDiscretizer zur Diskretisierung kontinuierlicher Merkmale

Auswirkung der Änderung des Schwellenwerts für Self-Training

Auswirkung der Änderung des Schwellenwerts für Self-Training

Analyse des Konzentrations-Prior-Typs der Variation im Bayes'schen Gaußschen Gemisch

Analyse des Konzentrations-Prior-Typs der Variation im Bayes'schen Gaußschen Gemisch