机器学习可视化利器-Yellowbrick（上）

Yellowbrick简介

Yellowbrick是一款用于促进机器学习模型选择的可视化分析和诊断工具。它在scikit-learn的api基础上做了扩展，能让我们更容易的驾驭模型优化阶段。简而言之，yellowbrick将scikit-learn和matplotlib有机结合起来，通过可视化方式帮助我们优化模型。

安装

pip install -U yellowbrick
复制代码

虽然Yellowbrick提供了颜色、大小和标题等参数来帮助你自定义绘图。 但是，有时您只想用一行代码绘制一个图形。Yellowbrick提供了许多一行代码即可可视化的工具。

下面将展示一些流行的用于特征分析、分类、回归、聚类和目标评估的可视化工具。

特征分析可视化

Rank1D/Rank2D

默认情况下，Rank1D使用Shapiro-Wilk算法来评估特征分布的正态性。然后绘制条形图，显示每个特征的相对等级。

Shapiro-Wilk算法从统计学意义上将样本分布与正态分布进行比较，以确定数据是否显示出与正态性的偏离或符合。

from yellowbrick.features import rank1d
from yellowbrick.datasets import load_energy
X, _ = load_energy()
visualizer = rank1d(X, color="r")
复制代码

默认情况下，Rank2D可视化工具使用皮尔逊相关系数检测两个特征之间的相关性。

from yellowbrick.features import rank2d
from yellowbrick.datasets import load_credit
X, _ = load_credit()
print(X[['limit','sex', 'edu']].head())
visualizer = rank2d(X)
复制代码

平行坐标（Parallel Coordinates）

平行坐标是多维特征可视化技术，其中垂直轴（Y轴）为每个特征的值，Y轴表示特征。折线的颜色表示目标值。这允许一次性可视化多个维度；事实上，给定无限的水平空间（例如滚动窗口），技术上可以显示无限数量的维度！

from sklearn.datasets import load_wine
from yellowbrick.features import parallel_coordinates
X, y = load_wine(return_X_y=True)
print(X.shape,y.shape) #(178, 13) (178,)
visualizer = parallel_coordinates(X, y, normalize="standard")
复制代码

径向坐标可视化（Radial Visualization）

RadViz 是一种多元数据可视化算法，它围绕圆的圆周均匀地绘制每个特征维度，然后在圆的内部绘制点，以便该点在从中心到每个弧的轴上对其值进行归一化。 这种机制允许尽可能多的维度可以很容易地放在一个圆上，大大扩展了可视化的维度。

数据科学家使用这种方法来检测类之间的可分离性。例如 是否有机会从特征集中学习，还是噪音太大？

如果您的数据包含具有缺失值的行 (numpy.nan)，则不会绘制这些缺失值。 换句话说，您可能无法获得数据的全貌。 RadViz 将发出 DataWarning 警告，告诉您丢失的百分比。

如果您收到此警告，则可能需要查看插补策略。 具体如何填充缺失值请参考：scikit-learn Imputer。

from yellowbrick.features import radviz
from yellowbrick.datasets import load_occupancy
X, y = load_occupancy()
visualizer = radviz(X, y, colors=["maroon", "gold"])
复制代码

PCA

PCA 分解可视化器利用主成分分析将高维数据分解为两个或三个维度，以便可以将每个实例绘制在散点图中。 PCA 的使用意味着这些投影的数据集可以沿着主要变化的轴进行分析，并且可以被解释，以确定是否可以利用球面距离度量。

from yellowbrick.datasets import load_spam
from yellowbrick.features import pca_decomposition
X, y = load_spam()
print(X.shape,y.shape) # (4600, 57) (4600,)
visualizer = pca_decomposition(X, y)
复制代码

流形（Manifold）

流形可视化工具使用流形学习将多维度描述的实例嵌入到2维，提供高维可视化。从而允许创建散点图来显示数据中的潜在结构。

与 PCA 和 SVD 等分解方法不同，流形通常使用最近邻方法进行嵌入，允许他们捕获会丢失的非线性结构。然后可以分析生成的投影的噪声或可分离性，以确定是否可以在数据中创建决策空间。

from sklearn.datasets import load_iris
from yellowbrick.features import manifold_embedding
X, y = load_iris(return_X_y=True)
visualizer = manifold_embedding(X, y)
复制代码