主页 / coding / 问题 / 78984046
Accepted
new world
Asked: 2024-09-14 08:34:10 +0800 CST

PartialDependenceDisplay.from_estimator 图中包含具有 0 值的线

  • 772

需要评估回归模型后两个变量之间的双向相互作用。用于PartialDependenceDisplay.from_estimator绘图，但绘图中的轮廓线都为 0 值。不确定是什么原因造成的。检查了数据和模型，加载模型和数据时没有问题。检查了其他两个变量组合，它们有同样的问题。

from sklearn.inspection import partial_dependence, PartialDependenceDisplay
model = load_model(model_path)
model_features = model.feature_name_

fig, ax = plt.subplots(figsize=(10,5))
X = training_data[model_features]
PartialDependenceDisplay.from_estimator(model, X, features=[('temperature',  'speed')], ax=ax, n_jobs=-1, grid_resolution=20)

在此处输入图片描述

python

1 个回答

  1. Best Answer

    您的轮廓值很可能全部小于 0.005。轮廓标签的格式为，"%2.2f"并且似乎没有记录更改此格式的方法。我能想到的唯一解决方法是检索标签及其值并替换标签文本：

    import matplotlib.pyplot as plt
from matplotlib.text import Text
import numpy as np
from sklearn.datasets import make_friedman1
from sklearn.ensemble import GradientBoostingRegressor
from sklearn.inspection import PartialDependenceDisplay

X, y = make_friedman1()
clf = GradientBoostingRegressor(n_estimators=10).fit(X, y)

pdd = PartialDependenceDisplay.from_estimator(clf, X, [0, (0, 1)])

for c in pdd.axes_[0][1].get_children():
  if isinstance(c, Text):
    try:
       label_value = float(c.get_text())
    except ValueError:
       continue
    idx = np.argmin(abs(pdd.contours_[0][1].levels - label_value))
    c.set_text(f'{pdd.contours_[0][1].levels[idx]:g}')

    在此处输入图片描述

    更新

    如果所有现有标签都相同，则上述方法不起作用。一种不太可靠、快速而粗糙的解决方法是依赖于标签文本按升序添加到轴的事实。第一级和最后一级没有标签。这导致以下示例：

    import matplotlib.pyplot as plt
from matplotlib.text import Text
from sklearn.datasets import make_friedman1
from sklearn.ensemble import GradientBoostingRegressor
from sklearn.inspection import PartialDependenceDisplay

X, y = make_friedman1(random_state=42)
clf = GradientBoostingRegressor(n_estimators=10).fit(X, y)

pdd = PartialDependenceDisplay.from_estimator(clf, X, [0, (0, 1)])

i = 1
for c in pdd.axes_[0][1].get_children():
  if isinstance(c, Text) and c.get_text():
    c.set_text(f'{pdd.contours_[0][1].levels[i]:g}')
    i += 1

    在此处输入图片描述

    • 2

相关问题