sklearn.inspection.PartialDependenceDisplay

class sklearn.inspection.PartialDependenceDisplay

Gráfico de dependencia parcial (PDP).

Esto también puede mostrar dependencias parciales individuales que a menudo se denominan: Expectativa de condición individual (ICE).

Se recomienda utilizar plot_partial_dependence para crear una PartialDependenceDisplay. Todos los parámetros se almacenan como atributos.

Lee más en Graficación Avanzada Con Dependencia Parcial y el Manual de Usuario.

Nuevo en la versión 0.22.

Parámetros

pd_resultslista de Bunch

Resultados de partial_dependence para features.

featureslist de (int,) o lista de (int, int)

Índices de características para un determinado gráfico. Una tupla de un entero trazará una curva de dependencia parcial de una característica. Una tupla de dos enteros trazará una curva de dependencia parcial de dos vías como un gráfico de contorno.

feature_nameslista de str

Nombres de características correspondientes a los índices en features.

target_idxint

• En un entorno multiclase, especifica la clase para la que deben calcularse las PDP. Tenga en cuenta que para la clasificación binaria, siempre se utiliza la clase positiva (índice 1).

• En una configuración de salida múltiple, especifica la tarea para la que se deben calcular las PDP.

Ignorado en la clasificación binaria o en la configuración de regresión clásica.

pdp_limdict

Predicciones promedio globales mínimas y máximas, de manera que todos los gráficos tendrán la misma escala y los mismos límites. pdp_lim[1] es el mínimo y el máximo global para las curvas de dependencia parcial simple. pdp_lim[2] es el mínimo y máximo global para las curvas de dependencia parcial de dos vías.

decilesdict

Deciles para los índices de características en features.

kind{“average”, “individual”, “both”}, default=”average”

Si se grafica la dependencia parcial promediada en todas las muestras del conjunto de datos o una línea por muestra o ambas.

• kind='average' da como resultado en el gráfico tradicional de PD;

• kind='individual' da como resultado el gráfico ICE.

Nota que la opción rápida method='recursion' sólo está disponible para kind='average'. El gráfico de dependencias individuales requiere el uso de la opción más lenta method='brute'.

Nuevo en la versión 0.24.

subsamplefloat, int o None, default=1000

Muestreo para las curvas ICE cuando kind es “individual” o “both”. Si es float, debe estar entre 0.0 y 1.0 y representa la proporción del conjunto de datos que se utilizará para trazar las curvas ICE. Si es int, representa el número absoluto máximo de muestras a utilizar.

Nota que el conjunto de datos completo se sigue utilizando para calcular la dependencia parcial cuando kind='both'.

Nuevo en la versión 0.24.

random_stateentero, instancia de RandomState o None, default=None

Controla la aleatoriedad de las muestras seleccionadas cuando submuestras no es None. Ver Glosario para más detalles.

Nuevo en la versión 0.24.

Atributos

bounding_ax_ejes matplotlib o None

Si ax es un eje o None, el bounding_ax_ es el eje donde se dibuja la cuadrícula de gráficos de dependencia parcial. Si ax es una lista de ejes o un arreglo numpy de ejes, bounding_ax_ es None.

axes_ndarray de matplotlib Axes

Si ax es un eje o None, axes_[i, j] es el eje en la i-ésima fila y j-ésima columna. Si ax es una lista de ejes, axes_[i] es el i-ésimo elemento de ax. Los elementos que son None corresponden a ejes no existentes en esa posición.

lines_ndarray de matplotlib Artists

Si ax es un eje o None, lines_[i, j] es la curva de dependencia parcial en la i-ésima fila y j-ésima columna. Si ax es una lista de ejes, lines_[i] es la curva de dependencia parcial correspondiente al i-ésimo elemento de ax. Los elementos que son None (Ninguno) corresponden a un eje no existente o a un eje que no incluye un gráfico de líneas.

deciles_vlines_ndarray de matplotlib LineCollection

Si ax es un eje o None, vlines_[i, j] es la colección de líneas que representan los deciles del eje x de la i-ésima fila y j-ésima columna. Si ax es una lista de ejes, vlines_[i] corresponde al i-ésimo elemento de ax. Los elementos que son None corresponden a un eje no existente o a un eje que no incluye un gráfico PDP.

Nuevo en la versión 0.23.

deciles_hlines_ndarray de matplotlib LineCollection

Si ax es un eje o None, vlines_[i, j] es la colección de líneas que representan los deciles del eje y de la i-ésima fila y j-ésima columna. Si ax es una lista de ejes, vlines_[i] corresponde al i-ésimo elemento de ax. Los elementos que son None corresponden a un eje no existente o a un eje que no incluye un gráfico de 2 vías.

Nuevo en la versión 0.23.

contours_ndarray de matplotlib Artists

Si ax es un eje o None, contours_[i, j] es el gráfico de dependencia parcial en la i-ésima fila y j-ésima columna. Si ax es una lista de ejes, contours_[i] es el gráfico de dependencia parcial correspondiente al i-ésimo elemento de ax. Los elementos que son None corresponden a un eje no existente o a un eje que no incluye un gráfico de contorno.

figure_figura matplotlib

Figura que contiene gráficos de dependencia parcial.

Ver también

partial_dependence

Calcular los valores de la Dependencia Parcial.

plot_partial_dependence

Dependencia parcial del gráfico.

Métodos

plot	Traza gráficos de dependencia parcial.

plot()

Traza gráficos de dependencia parcial.

Parámetros

axEjes de Matplotlib o array-like de ejes de Matplotlib, default=None

• Si se pasa un solo eje, se trata como un eje delimitador

  y se dibujará una cuadrícula de gráficos de dependencia parcial dentro de estos límites. El parámetro n_cols controla el número de columnas de la cuadrícula.

• Si se pasa un array-like, la dependencia parcial

  los gráficos se dibujarán directamente en estos ejes.

• Si es None, se crea y se trata una figura y unos ejes delimitadores

  como el caso de los ejes individuales.

n_colsint, default=3

El número máximo de columnas en el gráfico de cuadricula. Sólo se activa cuando ax es un eje único o None.

line_kwdict, default=None

Diccionario con palabras clave pasadas a la llamada matplotlib.pyplot.plot. Para gráficos de dependencia parcial unidireccional.

contour_kwdict, default=None

Diccionario con palabras clave pasadas a la llamada matplotlib.pyplot.contourf para los gráficos de dependencia parcial de dos vías.

Devuelve

displayPartialDependenceDisplay

Ejemplos usando sklearn.inspection.PartialDependenceDisplay

Graficación Avanzada Con Dependencia Parcial