简介
最近参加一个统计建模的比赛。模型建模后，需要展示不同模型的性能指标，数据如下所示：
其中，第 1 列是不同样本，共376条。第 2-4 列是随机森林得到的结果，第 5-7 列是XGBoost的结果。一共使用了三种评价指标（分类数据：准确率，召回率和 F1 得分）。
对于这样的数据，读者会使用这么的方式进行可视化？欢迎文末留言交流～
类似的文章还有：分面中添加不同的直线；R绘图案例｜基于分面的折线图绘制。
小编当时想到的是，使用面积图展示，最终图形如下：
结论：从图中可以看出，两种集成算法对于 376 个叶类分类结果的评估指标都比较接近于 1，说明这两种方法整体效果比较满意。但是对于 XGBoost 来说，小于 1 的部分更多，说明某些叶类分类效果差的情况更多。
注意：如果不是这个方向，可能看的不大懂。但是没关系，学会绘制，并将其用到自己的领域即可。在公众号后台回复[
建模比赛案例图形]即可免费获取。
接下来，将展示整个绘制过程。
加载数据
library(readxl) # 加载 Excel 数据集 library(ggplot2) # 绘制图形 library(tidyverse) library(cowplot) # 合并图形 library(viridis) # 图形配色 library(showtext) # 解决中文字体显示问题 showtext_auto()
使用 readxl 包中的 read_excel() 加载 sheet=1 的数据集。并修改数据列名预览如下：
dat = read_excel("test.xlsx",sheet=1,na="NA") colnames(dat) = c("Id",paste("X",1:6,sep='')) head(dat)
使用 Tidyverse[1] 包中的 pivot_longer() 将宽表转化为长表，具体教程可见：《R语言教程》[2]。此时得到 ggplot2 所需的数据类型。
注意：小编这里将不同评价指标单独绘制，最后进行合并。
dat %>% select(c(Id,X1,X4)) %>% rename("随机森林"=X1, "XGBoost"=X4) %>% pivot_longer( cols = c("随机森林","XGBoost"), names_to = "method", names_transform = list(method = as.character), values_to = "Acc") -> dat1
绘制单个评价指标结果
先绘制准确率的图形，使用的几何对象为：geom_area()，并利用 facet_wrap() 对方法（method）进行分面。之后，对主题以进行修改。使用自定义的颜色修改配色。
cols <- c("#85BA8F", "#A3C8DC","#349839","#EA5D2D","#EABB77","#F09594") p1 = ggplot(dat1) + geom_area(aes(Id,Acc),fill = cols[1]) + facet_wrap(vars(method),nrow = 2,strip.position = "top") + theme_bw() + ylab("精确率") + xlab("叶类") + #主题设置 theme(panel.grid = element_blank()) p1
同理，绘制其他两种指标体系的结果。这里就不放出来了，完整代码见公众号，回复【建模比赛案例图形】即可免费获取，或者文末。
合并图形
最后使用 cowplot[3] 包中的 plot_grid() 将三个指标图形进行合并
plot_grid(p1,p2,p3,ncol = 3)
完整代码
# install.packages("readxl") library(readxl) library(ggplot2) library(tidyverse) library(cowplot) library(viridis) library(showtext) showtext_auto() ### 绘制不同方法的区域图=========== dat = read_excel("test.xlsx",sheet=1,na="NA") colnames(dat) = c("Id",paste("X",1:6,sep='')) head(dat) dat %>% select(c(Id,X1,X4)) %>% rename("随机森林"=X1, "XGBoost"=X4) %>% pivot_longer( cols = c("随机森林","XGBoost"), names_to = "method", names_transform = list(method = as.character), values_to = "Acc") -> dat1 head(dat1) cols <- c("#85BA8F", "#A3C8DC","#349839","#EA5D2D","#EABB77","#F09594") #== p1 = ggplot(dat1) + geom_area(aes(Id,Acc),fill = cols[1]) + facet_wrap(vars(method),nrow = 2,strip.position = "top") + theme_bw() + ylab("精确率") + xlab("叶类") + #主题设置 theme(panel.grid = element_blank()) p1 #== dat %>% select(c(Id,X2,X5)) %>% rename("随机森林"=X2, "XGBoost"=X5) %>% pivot_longer( cols = c("随机森林","XGBoost"), names_to = "method", names_transform = list(method = as.character), values_to = "Acc") -> dat2 p2 = ggplot(dat2) + geom_area(aes(Id,Acc),fill = cols[2]) + facet_wrap(vars(method),nrow = 2,strip.position = "top") + theme_bw() + ylab("召回率") + xlab("叶类") + #主题设置 theme(panel.grid = element_blank()) p2 #== dat %>% select(c(Id,X3,X6)) %>% rename("随机森林"=X3, "XGBoost"=X6) %>% pivot_longer( cols = c("随机森林","XGBoost"), names_to = "method", # names_transform = list(method = as.factor), values_to = "Acc") -> dat3 p3 = ggplot(dat3) + geom_area(aes(Id,Acc),fill = cols[4]) + facet_wrap(vars(method),nrow = 2,strip.position = "top") + theme_bw() + ylab("F1得分") + xlab("叶类") + #主题设置 theme(panel.grid = element_blank()) p3 #== 合并图形 plot_grid(p1,p2,p3,ncol = 3)
参考资料
[1]
[2]
《R语言教程》: https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/summary-manip.html#tidyr-longer
[3]
cowplot: https://wilkelab.org/cowplot/
