python语言实现lassocv中的可视化显示_Python可视化神器Yellowbrick使用

码农那点事儿

关注我们，一起学习进步

作者：Together_CZ

链接：https://blog.csdn.net/Together_CZ/article/details/86640784

在机器学习、数据挖掘领域里面，接触到数据处理分析的人来说，数据探索是非常重要的一部分工作，而数据可视化会成为数据分析工程师完成数据探索工作的有力工具。本文主要是介绍一款我日常使用较多的可视化利器Yellowbrick，这是一款基于sklearn+matplotlib模块构建的更加高级的可视化工具，能够更加方便地完成很多数据探索、分词与展示工作。

学习使用一个模块最好的方式就是学习它提供的API，下面先给出来几个比较好的参考地址：

1)官方文档地址(英文)

https://www.scikit-yb.org/en/latest/

2)官方文档地址(中文)

http://www.scikit-yb.org/zh/latest/

Yellowbrick是由一套被称为"Visualizers"组成的可视化诊断工具组成的集合，其由Scikit-Learn API延伸而来，对模型选择过程其指导作用。总之，Yellowbrick结合了Scikit-Learn和Matplotlib并且最好得传承了Scikit-Learn文档，对你的模型进行可视化！

想要了解Yellowbrick就必须先了解Visualizers，它是estimators从数据中学习得的对象，其主要任务是产生可对模型选择过程有更深入了解的视图。从Scikit-Learn来看，当可视化数据空间或者封装一个模型estimator时，其和转换器(transformers)相似，就像"ModelCV" (比如RidgeCV,LassoCV)的工作原理一样。Yellowbrick的主要目标是创建一个和Scikit-Learn类似的有意义的API。

Yellowbrick中最受欢迎的visualizers包括：

如此强大的可视化工具，安装方式却很简单，使用下面的命令：

pip install yellowbrick

如果需要升级最新版本的则可以使用下面的命令：

pip install –u yellowbrick

安装完成后，我们就可以进行使用了。该模块提供了几个常用的可用于实验使用的数据集，如下所示：

进入到对应数据集文件夹下面，都会有三个文件，对于bikeshare如下：

其中：bikeshare.csv为数据集文件，如：