yellowbrick

黃磚

視覺化分析和診斷工具有助於機器學習模型的選擇。

什麼是黃磚？

Yellowbrick 是一套稱為「Visualizers」的視覺診斷工具，它擴展了 scikit-learn API，以允許人工指導模型選擇流程。簡而言之，Yellowbrick 將 scikit-learn 與 matplotlib 結合在一起，繼承了 scikit-learn 文件的最佳傳統，但為您的機器學習工作流程生成可視化！

有關 Yellowbrick API 的完整文件、可用視覺化工具庫、貢獻者指南、教學和教學資源、常見問題等，請造訪我們的文件：www.scikit-yb.org。

安裝黃磚

Yellowbrick 與 Python 3.4 或更高版本相容，也依賴 scikit-learn 和 matplotlib。安裝 Yellowbrick 及其相依性最簡單的方法是使用 PyPI 和 pip（Python 的首選套件安裝程式）。

 $ pip install yellowbrick

請注意，Yellowbrick 是一個活躍的項目，會定期發布包含更多視覺化工具和更新的新版本。要將 Yellowbrick 升級到最新版本，請使用 pip，如下所示。

 $ pip install -U yellowbrick

您也可以使用-U標誌將 scikit-learn、matplotlib 或與 Yellowbrick 配合良好的任何其他第三方實用程式更新至最新版本。

如果您使用 Anaconda（推薦 Windows 使用者），您可以利用 conda 公用程式來安裝 Yellowbrick：

 conda install -c districtdatalabs yellowbrick

使用黃磚

Yellowbrick API 專門設計用於與 scikit-learn 完美配合。以下是 scikit-learn 和 Yellowbrick 的典型工作流程範例：

特徵視覺化

在此範例中，我們了解 Rank2D 如何使用特定指標或演算法對資料集中的每個特徵進行成對比較，然後以左下三角圖的形式傳回它們的排名。

 from yellowbrick . features import Rank2D

visualizer = Rank2D (
    features = features , algorithm = 'covariance'
)
visualizer . fit ( X , y )                # Fit the data to the visualizer
visualizer . transform ( X )             # Transform the data
visualizer . show ()                   # Finalize and render the figure

模型視覺化

在此範例中，我們實例化一個 scikit-learn 分類器，然後使用 Yellowbrick 的 ROCAUC 類別來視覺化分類器的敏感性和特異性之間的權衡。

 from sklearn . svm import LinearSVC
from yellowbrick . classifier import ROCAUC

model = LinearSVC ()
visualizer = ROCAUC ( model )
visualizer . fit ( X , y )
visualizer . score ( X , y )
visualizer . show ()

有關 Yellowbrick 入門的更多信息，請查看文檔中的快速入門指南並查看我們的範例筆記本。

為黃磚做貢獻

Yellowbrick 是一個開源項目，由社群支持，社群將感激並謙虛地接受您可能對該專案做出的任何貢獻。無論大小，任何貢獻都會產生很大的影響；如果您以前從未為開源專案做出貢獻，我們希望您從 Yellowbrick 開始！

如果您有興趣貢獻，請查看我們的貢獻者指南。除了創建視覺化工具之外，還有很多貢獻方式：

• 在 GitHub Issues 上提交錯誤報告或功能請求。
• 向我們的範例庫貢獻一個 Jupyter 筆記本。
• 協助我們進行使用者測試。
• 添加到我們網站 scikit-yb.org 的文檔或幫助。
• 為我們的專案編寫單元或整合測試。
• 回答有關我們的問題、郵件清單、Stack Overflow 和其他地方的問題。
• 將我們的文件翻譯成另一種語言。
• 撰寫部落格文章、推文或與其他人分享我們的專案。
• 教別人如何使用 Yellowbrick。

正如您所看到的，參與的方式有很多，我們非常高興您加入我們！我們唯一要求的是您遵守 Python 軟體基金會行為準則中所描述的開放、尊重和考慮他人的原則。

有關更多信息，請查看存儲庫根目錄中的CONTRIBUTING.md文件或 Contributing to Yellowbrick 中的詳細文檔

Yellowbrick 資料集

Yellowbrick 可以輕鬆存取用於文件和測試中的範例的多個資料集。這些資料集託管在我們的 CDN 中，必須下載才能使用。通常，當使用者呼叫資料載入器函數之一（例如load_bikeshare()時，如果使用者電腦上尚未有數據，則會自動下載資料。但是，對於開發和測試，或者如果您知道自己將在沒有網路存取的情況下工作，那麼一次下載所有資料可能會更容易。

數據下載器腳本可以如下運行：

 $ python -m yellowbrick.download

這會將資料下載到 Yellowbrick 網站包內的裝置目錄中。您可以指定下載位置作為下載程式腳本的參數（使用--help了解更多詳細資訊）或透過設定$YELLOWBRICK_DATA環境變數。這是首選機制，因為這也會影響 Yellowbrick 中資料的載入方式。

注意：從 Yellowbrick v1.0 之前版本下載資料的開發人員可能會遇到舊資料格式的一些問題。如果發生這種情況，您可以如下清除資料快取：

 $ python -m yellowbrick.download --cleanup

這將刪除舊資料集並下載新資料集。您也可以使用--no-download標誌來簡單地清除緩存，而無需重新下載資料。對資料集有困難的使用者也可以使用此功能，或者可以使用pip卸載並重新安裝 Yellowbrick。

引用黃磚

如果您在科學出版物中使用 Yellowbrick，我們將非常高興！如果您這樣做，請使用引用指南引用我們。

隸屬關係