5. Visualizaciones

Scikit-learn define una sencilla API para crear visualizaciones para el aprendizaje automático. La característica clave de esta API es permitir un gráfico rápido y ajustes visuales sin recalcular. En el siguiente ejemplo, trazamos una curva ROC para una máquina de vectores de soporte ajustada:

from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import plot_roc_curve
from sklearn.datasets import load_wine

X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)
svc = SVC(random_state=42)
svc.fit(X_train, y_train)

svc_disp = plot_roc_curve(svc, X_test, y_test)
_images/sphx_glr_plot_roc_curve_visualization_api_001.png

El objeto svc_disp devuelto nos permite seguir utilizando la curva ROC ya calculada para SVC en futuros gráficos. En este caso, el objeto svc_disp es una RocCurveDisplay que almacena los valores calculados como atributos llamados roc_auc, fpr y tpr. A continuación, entrenamos un clasificador de bosque aleatorio y trazamos de nuevo la curva roc previamente calculada utilizando el método plot del objeto Display.

import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestClassifier

rfc = RandomForestClassifier(random_state=42)
rfc.fit(X_train, y_train)

ax = plt.gca()
rfc_disp = plot_roc_curve(rfc, X_test, y_test, ax=ax, alpha=0.8)
svc_disp.plot(ax=ax, alpha=0.8)
_images/sphx_glr_plot_roc_curve_visualization_api_002.png

Observa que pasamos alpha=0.8 a las funciones de graficación para ajustar los valores alfa de las curvas.

5.1. Utilidades de graficación disponibles

5.1.1. Funciones

inspection.plot_partial_dependence

Gráficos de dependencia parcial (DP) y de expectativa condicional individual (ICE).

metrics.plot_confusion_matrix

Graficar la matriz de confusión.

metrics.plot_det_curve

Trazar curva de error de detección (DET).

metrics.plot_precision_recall_curve

Representar la curva de precisión y exhaustividad de los clasificadores binarios.

metrics.plot_roc_curve

Trazar la curva de características operativas del receptor (ROC).

5.1.2. Mostrar objetos

inspection.PartialDependenceDisplay

Gráfico de dependencia parcial (PDP).

metrics.ConfusionMatrixDisplay

Visualización de la matriz de confusión.

metrics.DetCurveDisplay

Visualización de curvas DET.

metrics.PrecisionRecallDisplay

Visualización de precisión y exhaustividad.

metrics.RocCurveDisplay

Visualización de curvas ROC.