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)

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)

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

Ejemplos:

• Curva ROC con API de visualización

• Graficación Avanzada Con Dependencia Parcial

• Visualizaciones con Objetos de Visualización

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.