python学习曲线绘制

1. 学习曲线的绘制 learning_curve的使用案例

learning_curve 函数是 Scikit-learn 库中用于生成学习曲线的工具。以下是该函数的主要参数及其解释：

1. estimator:

   • 模型估计器（estimator），即要评估性能的机器学习模型。这是必需的参数。

2. X:

   • 特征数据，输入模型的训练数据。

3. y:

   • 目标数据，与特征数据相对应的标签。

4. train_sizes:

   • 用于指定用于生成学习曲线的训练样本的相对或绝对数字。可以是浮点数（表示相对大小）或整数（表示绝对大小）的数组。

5. cv:

   • 交叉验证生成器或可迭代的次数，用于将数据集拆分为训练集和验证集。默认为 None，表示使用 3 折交叉验证。

6. scoring: 可选参考，以_socre结尾的越高越好，以_error或_loss结尾的越低越好。
   

   • 评估指标的字符串，用于衡量模型性能。默认为 None，表示使用模型的默认评估指标。

7. n_jobs:

   • 并行运行的作业数。-1 表示使用所有可用的CPU核心。

8. train_sizes_abs:

   • 返回用于生成学习曲线的训练样本的绝对数字。

9. shuffle:

   • 是否在每次迭代中对数据进行洗牌。默认为 True。

10. random_state:

    • 伪随机数生成器的种子，用于洗牌和交叉验证的拆分。

函数的返回值包括三个数组：

• train_sizes_abs:

  • 用于生成学习曲线的训练样本的绝对数量。

• train_scores:

  • 每个训练大小对应的训练集上的性能得分。

• test_scores:

  • 每个训练大小对应的验证集上的性能得分。

学习曲线是通过这些得分的平均值和标准差绘制而成的，使你能够了解模型在不同训练集大小下的性能表现，并帮助你判断模型是否过拟合或欠拟合。

from sklearn.model_selection import learning_curve
def draw_learn_curve(model, X, y,cv=5):

        # 使用random forest模型拟合数据，学习曲线图展示训练集和交叉验证集的得分情况
        train_size, train_score, test_score = learning_curve(model, X, y, cv=cv, train_sizes=np.linspace(0.1,1.0,5))
        # 计算训练集得分的均值
        train_scores_mean = np.mean(train_score, axis=1)
        # 计算训练集得分的标准差
        train_scores_std = np.std(train_score, axis=1)
        # 计算交叉验证集得分的均值
        test_scores_mean = np.mean(test_score, axis=1)
        # 计算交叉验证集得分的标准差
        test_scores_std = np.std(test_score, axis=1)
        # 绘制训练集得分的误差线
        plt.fill_between(train_size, train_scores_mean - train_scores_std,
                        train_scores_mean + train_scores_std, alpha=0.1,
                        color="r")
        # 绘制交叉验证集得分的误差线
        plt.fill_between(train_size, test_scores_mean - test_scores_std,
                        test_scores_mean + test_scores_std, alpha=0.1, color="g")
        # 绘制训练集得分曲线
        plt.plot(train_size, train_scores_mean, 'o--', color="r",
                label="训练集得分")
        # 绘制交叉验证集得分曲线
        plt.plot(train_size, test_scores_mean, 'o-', color="g",
                label="交叉验证集得分")
        # 显示网格线
        plt.grid()
        # 设置标题
        plt.title(f'{model}模型的学习曲线')
        # 显示图例
        plt.legend(loc="best")

rf = RandomForestClassifier(n_estimators=100, max_depth=5,random_state=42,n_jobs=-1) draw_learn_curve(rf,X,y,cv=5)

结果如下