ValidationCurveDisplay#

class sklearn.model_selection.ValidationCurveDisplay(*, param_name, param_range, train_scores, test_scores, score_name=None)[Quelle]#

Visualisierung der Validierungskurve.

Es wird empfohlen, from_estimator zu verwenden, um eine Instanz von ValidationCurveDisplay zu erstellen. Alle Parameter werden als Attribute gespeichert.

Lesen Sie mehr im Benutzerhandbuch für allgemeine Informationen über die Visualisierungs-API und detaillierte Dokumentation zur Validierungskurven-Visualisierung.

Hinzugefügt in Version 1.3.

Parameter:
param_namestr

Name des Parameters, der variiert wurde.

param_rangearray-like von der Form (n_ticks,)

Die Werte des Parameters, die ausgewertet wurden.

train_scoresndarray von der Form (n_ticks, n_cv_folds)

Ergebnisse auf Trainingsdatensätzen.

test_scoresndarray von der Form (n_ticks, n_cv_folds)

Ergebnisse auf Testdatensätzen.

score_namestr, Standard=None

Der Name der Punktzahl, die in validation_curve verwendet wird. Er überschreibt den Namen, der aus dem scoring-Parameter abgeleitet wird. Wenn score None ist, verwenden wir "Score", wenn negate_score False ist, und "Negative score" andernfalls. Wenn scoring ein String oder aufrufbar ist, leiten wir den Namen ab. Wir ersetzen _ durch Leerzeichen und großschreiben den ersten Buchstaben. Wir entfernen neg_ und ersetzen es durch "Negative", wenn negate_score False ist, oder entfernen es andernfalls einfach.

Attribute:
ax_matplotlib Axes

Achsen mit der Validierungskurve.

figure_matplotlib Figure

Abbildung, die die Validierungskurve enthält.

errorbar_Liste von matplotlib Artist oder None

Wenn std_display_style "errorbar" ist, ist dies eine Liste von matplotlib.container.ErrorbarContainer-Objekten. Wenn ein anderer Stil verwendet wird, ist errorbar_ None.

lines_Liste von matplotlib Artist oder None

Wenn std_display_style "fill_between" ist, ist dies eine Liste von matplotlib.lines.Line2D-Objekten, die den mittleren Trainings- und Testergebnissen entsprechen. Wenn ein anderer Stil verwendet wird, ist line_ None.

fill_between_Liste von matplotlib Artist oder None

Wenn std_display_style "fill_between" ist, ist dies eine Liste von matplotlib.collections.PolyCollection-Objekten. Wenn ein anderer Stil verwendet wird, ist fill_between_ None.

Siehe auch

sklearn.model_selection.validation_curve

Berechnet die Validierungskurve.

Beispiele

>>> 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()
../../_images/sklearn-model_selection-ValidationCurveDisplay-1.png
classmethod from_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)[Quelle]#

Erstellt eine Validierungskurvenanzeige aus einem Schätzer.

Lesen Sie mehr im Benutzerhandbuch für allgemeine Informationen über die Visualisierungs-API und detaillierte Dokumentation zur Validierungskurven-Visualisierung.

Parameter:
estimatorObjekttyp, der die Methoden „fit“ und „predict“ implementiert

Ein Objekt dieses Typs, das für jede Validierung geklont wird.

Xarray-like der Form (n_samples, n_features)

Trainingsdaten, wobei n_samples die Anzahl der Stichproben und n_features die Anzahl der Merkmale ist.

yarray-ähnlich der Form (n_samples,) oder (n_samples, n_outputs) oder None

Ziel relativ zu X für Klassifikation oder Regression; None für unüberwachtes Lernen.

param_namestr

Name des Parameters, der variiert wird.

param_rangearray-like von der Form (n_values,)

Die Werte des Parameters, die ausgewertet werden.

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

Gruppenbezeichnungen für die Stichproben, die bei der Aufteilung des Datensatzes in Trainings-/Testdatensätze verwendet werden. Nur in Verbindung mit einer `Group`-Instanz von cv (z. B. GroupKFold) verwendet.

cvint, Kreuzvalidierungsgenerator oder iterierbar, Standardwert=None

Bestimmt die Strategie der Kreuzvalidierungsaufteilung. Mögliche Eingaben für cv sind

  • None, um die Standard-5-fache Kreuzvalidierung zu verwenden,

  • int, um die Anzahl der Folds in einem (Stratified)KFold anzugeben,

  • CV-Splitter,

  • Eine iterierbare Liste, die (Trainings-, Test-) Splits als Indizes-Arrays liefert.

Für ganzzahlige/None-Eingaben wird, wenn der Schätzer ein Klassifikator ist und `y` entweder binär oder mehrklassig ist, StratifiedKFold verwendet. In allen anderen Fällen wird KFold verwendet. Diese Splitter werden mit `shuffle=False` instanziiert, sodass die Splits über Aufrufe hinweg gleich sind.

Siehe Benutzerhandbuch für die verschiedenen Kreuzvalidierungsstrategien, die hier verwendet werden können.

scoringstr oder callable, Standardwert=None

Bewertungsmethode zur Berechnung der Validierungskurve. Optionen

n_jobsint, default=None

Anzahl der parallel auszuführenden Jobs. Das Anpassen des Schätzers und die Berechnung der Bewertung werden für die verschiedenen Trainings- und Testdatensätze parallelisiert. None bedeutet 1, es sei denn, Sie befinden sich in einem joblib.parallel_backend-Kontext. -1 bedeutet die Verwendung aller Prozessoren. Siehe Glossar für weitere Details.

pre_dispatchint oder str, Standard=’all’

Anzahl der vorab verteilten Jobs für die parallele Ausführung (Standard ist 'all'). Die Option kann den zugeordneten Speicher reduzieren. Die Zeichenkette kann ein Ausdruck wie '2*n_jobs' sein.

verboseint, default=0

Steuert die Ausführlichkeit: je höher, desto mehr Meldungen.

error_score‘raise’ oder numerisch, Standard=np.nan

Wert, der der Punktzahl zugewiesen wird, wenn beim Anpassen des Schätzers ein Fehler auftritt. Wenn auf 'raise' gesetzt, wird der Fehler ausgelöst. Wenn ein numerischer Wert angegeben wird, wird FitFailedWarning ausgelöst.

fit_paramsdict, Standard=None

Parameter, die an die fit-Methode des Schätzers übergeben werden sollen.

axmatplotlib Axes, Standard=None

Axes-Objekt, auf dem geplottet werden soll. Wenn None, wird eine neue Figur und Achse erstellt.

negate_scorebool, Standard=False

Ob die durch validation_curve erhaltenen Punktzahlen negiert werden sollen oder nicht. Dies ist besonders nützlich, wenn der durch neg_* in scikit-learn bezeichnete Fehler verwendet wird.

score_namestr, Standard=None

Der Name der Punktzahl, die zur Beschriftung der Y-Achse des Diagramms verwendet wird. Er überschreibt den aus dem scoring-Parameter abgeleiteten Namen. Wenn score None ist, verwenden wir "Score", wenn negate_score False ist, und "Negative score" andernfalls. Wenn scoring ein String oder aufrufbar ist, leiten wir den Namen ab. Wir ersetzen _ durch Leerzeichen und großschreiben den ersten Buchstaben. Wir entfernen neg_ und ersetzen es durch "Negative", wenn negate_score False ist, oder entfernen es andernfalls einfach.

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

Der Typ der anzuzeigenden Punktzahl. Kann einer von "test", "train" oder "both" sein.

std_display_style{“errorbar”, “fill_between”} oder None, Standard=”fill_between”

Der Stil, der zur Anzeige der Standardabweichung der Punktzahl um die mittlere Punktzahl verwendet wird. Wenn None, wird keine Darstellung der Standardabweichung angezeigt.

line_kwdict, Standard=None

Zusätzliche Schlüsselwortargumente, die an plt.plot übergeben werden, das zum Zeichnen der mittleren Punktzahl verwendet wird.

fill_between_kwdict, Standard=None

Zusätzliche Schlüsselwortargumente, die an plt.fill_between übergeben werden, das zum Zeichnen der Standardabweichung der Punktzahl verwendet wird.

errorbar_kwdict, Standard=None

Zusätzliche Schlüsselwortargumente, die an plt.errorbar übergeben werden, das zum Zeichnen der mittleren Punktzahl und der Standardabweichung der Punktzahl verwendet wird.

Gibt zurück:
displayValidationCurveDisplay

Objekt, das berechnete Werte speichert.

Beispiele

>>> 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()
../../_images/sklearn-model_selection-ValidationCurveDisplay-2.png
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)[Quelle]#

Visualisierung plotten.

Parameter:
axmatplotlib Axes, Standard=None

Axes-Objekt, auf dem geplottet werden soll. Wenn None, wird eine neue Figur und Achse erstellt.

negate_scorebool, Standard=False

Ob die durch validation_curve erhaltenen Punktzahlen negiert werden sollen oder nicht. Dies ist besonders nützlich, wenn der durch neg_* in scikit-learn bezeichnete Fehler verwendet wird.

score_namestr, Standard=None

Der Name der Punktzahl, die zur Beschriftung der Y-Achse des Diagramms verwendet wird. Er überschreibt den aus dem scoring-Parameter abgeleiteten Namen. Wenn score None ist, verwenden wir "Score", wenn negate_score False ist, und "Negative score" andernfalls. Wenn scoring ein String oder aufrufbar ist, leiten wir den Namen ab. Wir ersetzen _ durch Leerzeichen und großschreiben den ersten Buchstaben. Wir entfernen neg_ und ersetzen es durch "Negative", wenn negate_score False ist, oder entfernen es andernfalls einfach.

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

Der Typ der anzuzeigenden Punktzahl. Kann einer von "test", "train" oder "both" sein.

std_display_style{“errorbar”, “fill_between”} oder None, Standard=”fill_between”

Der Stil, der zur Anzeige der Standardabweichung der Punktzahl um die mittlere Punktzahl verwendet wird. Wenn None, wird keine Darstellung der Standardabweichung angezeigt.

line_kwdict, Standard=None

Zusätzliche Schlüsselwortargumente, die an plt.plot übergeben werden, das zum Zeichnen der mittleren Punktzahl verwendet wird.

fill_between_kwdict, Standard=None

Zusätzliche Schlüsselwortargumente, die an plt.fill_between übergeben werden, das zum Zeichnen der Standardabweichung der Punktzahl verwendet wird.

errorbar_kwdict, Standard=None

Zusätzliche Schlüsselwortargumente, die an plt.errorbar übergeben werden, das zum Zeichnen der mittleren Punktzahl und der Standardabweichung der Punktzahl verwendet wird.

Gibt zurück:
displayValidationCurveDisplay

Objekt, das berechnete Werte speichert.