- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
资源 | 可视化工具Yellowbrick：超参与行为的可视化带来更优秀的实现
安装 Yellowbrick Yellowbrick 与 Python2.7 以及之后的版本兼容，但使用 Python3.5 或之后的版本会更合适并能利用其所有功能优势。 $ pip install yellowbrick 注意 Yellowbrick 是一个活跃项目，将定期发布更多新的可视化器和更新。 为了将 Yellowbrick 升级到最新的版本，按以下方式使用 pip 命令： $ pip install -U yellowbrick 你也可以使用-U flag 来更新 Scikit-Learn、 然而请注意，在 Linux 上用 Anaconda 安装 Yellowbrick 有一个已知的 bug：https://github.com/DistrictDataLabs/yellowbrick/ issues/205 使用 Yellowbrick Yellowbrick API 是特别为更好地使用 Scikit-Learn 而设计的。
91330发布于 2018-06-12 - 来自专栏机器学习与统计学
强烈安利这款功能强悍的机器学习可视化工具
Yellowbrick是由一套被称为"Visualizers"组成的可视化诊断工具组成的套餐，其由Scikit-Learn API延伸而来，对模型选择过程其指导作用。 总之，Yellowbrick结合了Scikit-Learn和Matplotlib并且最好得传承了Scikit-Learn文档，对你的模型进行可视化！ Juan L. Kehoe ? Yellowbrick主要包含的组件如下： 特征可视化 Rank Features: 对单个或者两两对应的特征进行排序以检测其相关性 Parallel Coordinates: 对实例进行水平视图 Radial $ pip install yellowbrick 使用方法也很简单，以特征选择为例 from sklearn.linear_model import Lasso from yellowbrick.datasets import load_concrete from yellowbrick.model_selection import FeatureImportances # Load the regression
1K30发布于 2019-09-17 - 来自专栏Python数据科学
yyds，一款特征工程可视化神器！
本次介绍一款功能十分强大的特征工程可视化工具：yellowbrick，包括雷达、一维排序、PCA、特征重要性、递归消除、正则化、残差图、肘部法、学习曲线、验证曲线等等，通过它的辅助可以节省更多探索的时间 Yellowbrick FeatureImportances可视化工具利用此属性对相对重要性进行排名和绘制。 from sklearn.linear_model import Ridge from yellowbrick.regressor import ResidualsPlot # Instantiate 这种可视化通常用来表达两件事： 模型会不会随着数据量增多而效果变好 模型对偏差和方差哪个更加敏感 下面是利用yellowbrick生成的学习曲线可视化图。该学习曲线对于分类、回归和聚类都可以适用。 链接：https://github.com/DistrictDataLabs/yellowbrick 推荐阅读 pandas进阶宝典 数据挖掘实战项目 机器学习入门
77111编辑于 2023-08-29 - 来自专栏Python数据科学
推荐一款史上最强大的特征分析可视化工具：yellowbrick
可视化的工具有很多，但是能够针对特征探索性分析而进行专门可视化的不多，今天给大家介绍一款功能十分强大的工具：yellowbrick，希望通过这个工具的辅助可以节省更多探索的时间，快速掌握特征信息。 Yellowbrick FeatureImportances可视化工具利用此属性对相对重要性进行排名和绘制。 from sklearn.linear_model import Ridge from yellowbrick.regressor import ResidualsPlot # Instantiate 模型对偏差和方差哪个更加敏感 下面是利用yellowbrick生成的学习曲线可视化图。该学习曲线对于分类、回归和聚类都可以适用。 ? 总结 个人认为yellowbrick这个工具非常好，一是因为解决了特征工程和建模过程中的可视化问题，极大地简化了操作；二是通过各种可视化也可以补充自己对建模的一些盲区。
1.8K20发布于 2019-08-15 - 来自专栏AI科技时讯
你不应该忽略的五个机器学习项目一览
scoreLabel='AUC')print(best_model, best_score) 3.Yellowbrick Yellowbrick是一款促进机器学习模型选择的视觉分析和诊断工具。 具体来说，Yellowbrick是一套名为“展示台（Visualizers）”的视觉诊断工具，它扩展了scikit-learn API，以便人为地指导模型选择过程。 简而言之，Yellowbrick将scikit-learn与matplotlib结合在一起，且具有模型生成可视化的效果。 ? 可以在这里查看Github代码示例以及使用文档介绍。
65910发布于 2019-08-16 - 来自专栏数据STUDIO
用可视化探索数据特征的N种姿势
Yellowbrick是一个机器学习可视化库，主要依赖于sklearn机器学习库，能够提供多种机器学习算法的可视化，主要包括特征可视化，分类可视化，回归可视化，回归可视化，聚类可视化，模型选择可视化，目标可视化 Yellowbrick API是专门为与scikit-learn配合使用而专门设计的。 一维显示 from yellowbrick.features import Rank1D # 用Sharpiro排序算法实例化1D可视化器 visualizer = Rank1D(algorithm= from yellowbrick.features import Rank2D # 用协方差排序算法实例化可视化工具 visualizer = Rank2D(algorithm='covariance' from yellowbrick.features import JointPlotVisualizer visualizer = JointPlotVisualizer(columns=['High'
2.5K20发布于 2021-06-24 - 来自专栏数据派THU
这5个机器学习项目你不可错过！（附代码）
Yellowbrick Yellowbrick是以一个“促进机器学习模型选择的可视化分析和诊断工具”。 更确切地，Yellowbrick是一套视觉诊断的可视化工具，它扩展了scikit-learn API，以引导人们选择模型。 简单地说，Yellowbrick将scikit-learn与matplotlib结合在一起，这是scikit-learn文档的传统优点，但它可以为您的模型生成可视化！ ?
51930发布于 2018-07-30 - 来自专栏CDA数据分析师
机器学习和 AI 领域必须了解的工具
Python缺少对模型性能的可视化，这里可以使用 yellowbrick 解决。你可以使用它来创建漂亮的图表分类器进行评估，查看特征，甚至绘制文本模型。 Python中的ROC/AUC图，使用yellowbrick 集成开发环境 对于R语言来说，RStudio 是一个非常棒的工具，而且没有其他的竞争工具。
1.6K100发布于 2018-02-05 - 来自专栏技术汇总专栏
Python数据可视化的最新趋势与未来发展：从交互式图表到AR/VR整合
例如，通过使用库如Yellowbrick，可以轻松地可视化模型的特征重要性、学习曲线等。 以下是一个使用Yellowbrick可视化特征重要性的例子：from yellowbrick.model_selection import FeatureImportancesfrom sklearn.ensemble
41510编辑于 2024-07-08 - 来自专栏量子位
Python机器学习资源菜单，选库找工具不愁，GitHub精选列表都在这里了
做各种统计图表的Yellowbrick： ? 这哪怕是做PPT，都非常有用啊！ 资源列表大集结 另外，项目贡献者还安利了几个GitHub上不错的资源列表： ?
42720发布于 2019-04-22 - 来自专栏程序员的知识天地
Python机器学习工具&库，再也不怕找不到工具了
再比如说可视化部分： 包括可以生成3D效果图的physt： 做各种统计图表的Yellowbrick： Python机器学习工具&库，分门别类排列好，再也不怕找不到工具了 这哪怕是做PPT
92200发布于 2019-04-18 - 来自专栏AI人工智能
Python机器学习资源菜单，选库找工具不愁，吐血整理！
再比如说 可视化 部分： 包括可以生成3D效果图的physt： 做各种统计图表的Yellowbrick： 这哪怕是做PPT，都非常有用啊！
59730发布于 2019-04-11 - 来自专栏野生AI架构师
明月机器学习系列（六）：构建机器学习or深度学习环境
xgboost \ lightgbm \ catboost \ sklearn-contrib-lightning 安装附加工具： # 附加工具 # yellowbrick python3-pydot \ python3-pygraphviz \ imagemagick \ && pip3 install \ yellowbrick
1.3K10发布于 2021-10-28 - 来自专栏Python数据科学
数据挖掘实战：聚类分群实现精准营销
使用yellowbrick进行拐点可视化分析。遍历了2到10的簇数，然后给出最优拐点为5的结果。 from yellowbrick.cluster import KElbowVisualizer n_min = 2 n_max = 10 model = KMeans(init = 'k-means+
1.2K10编辑于 2023-12-13 - 来自专栏九陌斋
收藏：Python常用库总结
https://github.com/scikit-optimize/scikit-optimize Yellowbrick: Yellowbrick是一个用于机器学习可视化的Python库，它提供了多种图表和工具 https://github.com/DistrictDataLabs/yellowbrick mljar-supervised: mljar-supervised是一个自动化机器学习库，能够自动选择
1.1K10编辑于 2023-11-28 - 来自专栏计算机与AI
收藏！我整理了数据科学，数据可视化和机器学习的Python顶级库
YellowBrick（https://github.com/DistrictDataLabs/yellowbrick） star：300，贡献：825，贡献者：92 可视化分析和诊断工具，有助于机器学习模型的选择
1.4K31发布于 2020-12-07 - 来自专栏Python数据科学
零代码入门GitHub，图形化交互让你轻松存代码 | 附Git GUI推荐
推荐一款史上最强大的特征分析可视化工具：yellowbrick 还记得当年你是如何接触Python的吗？ ?
75430发布于 2019-08-21 - 来自专栏PyVision
机器学习 pipeline 可视化
图1: 平行坐标超参数优化图 为了在 Python 中创建平行坐标图，可以使用不同的技术，如 Pandas、 Yellowbrick、 Matplotlib 或 Plotly。 图6: 绘制决策边界 Mlxtend 的一些可能的替代方案是: Yellowbrick、 Plotly 或者一个普通的 Sklearn 和 Numpy 实现。 总结 如果你有兴趣了解更多的机器学习可视化技术，Python Yellowbrick 库正是聚焦这个话题。
1.4K10发布于 2020-10-30 - 来自专栏深度学习与python
这10个 Python 技能，被低估了
有许多可能的方法使用数据可视化来提高你的分析能力，下面罗列了一些资源可供探索： Seaborn 样例库（Seaborn example gallery） Bokeh 笔记本示例（Bokeh notebook examples） Yellowbrick 库（Yellowbrick gallery） 用于数据探索的 Streamlet（Streamlet for data exploration） Tableau 入门指南（Tableau getting
1.1K30发布于 2020-12-18 - 来自专栏相约机器人
python生态系统中的线性回归
目前，scikit-learn还没有用于模型质量评估的详细统计测试或绘图功能，Yellowbrick是一个很有前途的Python库，可以在scikit-learn对象上添加直观的可视化功能。
2.2K20发布于 2019-10-06
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号