Carte thermique pour la recherche de grille avec Matplotlib

Grid Search http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GridSearchCV.html First, for grid search method, you need to select which parameters are used for the optimization and define parameter sets.

from sklearn.model_selection import GridSearchCV
from sklearn.metrics import make_scorer

learner = RandomForestClassifier(random_state = 2)
n_estimators = [12, 24, 36, 48, 60]
min_samples_leaf = [1, 2, 4, 8, 16]
parameters = {'n_estimators': n_estimators, 'min_samples_leaf': min_samples_leaf}

In this case, AUC is used as a scorer. Thus, you need to create you own scorer for AUC.

def auc_scorer(target_score, prediction):
    auc_value = roc_auc_score(prediction, target_score)    
    return auc_value

scorer = make_scorer(auc_scorer, greater_is_better=True)

Finally, you can define Grid Search Object.

grid_obj = GridSearchCV(learner, parameters,  scorer)

Heat Map http://scikit-learn.org/stable/auto_examples/svm/plot_rbf_parameters.html To create a heat map, you need to have 2 dimentional matrix at first. From Grid Search Object, you can retrieve all prediction results corresponding to grid search parameter set. In the example below, all result are put into scores .

scores = grid_obj.cv_results_['mean_test_score'].reshape(len(n_estimators),len(min_samples_leaf))

Note: scores contains the following array.

[[ 0.91803961  0.92444425  0.9264368   0.92730609  0.92808348]
 [ 0.91263539  0.91757799  0.91892211  0.91957058  0.91950196]
 [ 0.90143663  0.90590379  0.90669241  0.90751479  0.90758263]
 [ 0.89168321  0.89370183  0.89414698  0.89497685  0.89506426]
 [ 0.88276445  0.88386261  0.88380793  0.88408826  0.88448689]]

Then, you can use scores for plotting a heat map.

plt.figure(figsize=(8, 6))
plt.subplots_adjust(left=.2, right=0.95, bottom=0.15, top=0.95)
plt.imshow(scores, interpolation='nearest', cmap=plt.cm.hot)
plt.xlabel('n_estimators')
plt.ylabel('min_samples_leaf')
plt.colorbar()
plt.xticks(np.arange(len(n_estimators)), n_estimators)
plt.yticks(np.arange(len(min_samples_leaf)), min_samples_leaf)
plt.title('Grid Search AUC Score')
plt.show()

Finally, you can plot a heat map like below.

image

Recommended Posts

Carte thermique pour la recherche de grille avec Matplotlib
Recherche en grille d'hyper paramètres avec Scikit-learn
Recherche de mots composés à phase identique avec opencv
[Python] Carte thermique de style calendrier (avec affichage des jours fériés)
Rechercher des fichiers avec l'extension spécifiée
Raisonnement causal et recherche causale par Python (pour les débutants)
Tracer la courbe ROC pour la classification binaire avec Matplotlib
Animation avec matplotlib
Japonais avec matplotlib
Animation avec matplotlib
Aligner les couleurs du graphique Matplotlib avec des couleurs similaires (carte des couleurs)
histogramme avec matplotlib
Faire une animation avec matplotlib
Visualiser grib2 sur une carte avec python (matplotlib)
[Pour les débutants] Script dans les 10 lignes (8. Carte graphique avec folium [2]
(Pour ceux qui ne connaissent pas Matplotlib) Conseils pour dessiner des graphiques avec Seaborn
[Boto3] Rechercher des utilisateurs Cognito avec l'API List Users
Simulation COVID-19 avec python (modèle SIR) ~~ avec carte de chaleur préfectorale ~~
Recherche séquentielle avec Python
Graphique 2 axes avec Matplotlib
Carte thermique par Python + matplotlib
Graphique de bande avec matplotlib
Apprenez avec Chemo Informatics Matplotlib
Dichotomie avec python
Dichotomie avec Python 3
Rechercher une base de données avec db.py
Dessin en temps réel avec matplotlib
Différentes barres de couleurs avec Matplotlib
Graphique 3D avec matplotlib
Ajustez les axes avec matplotlib
[NetworkX] Je souhaite rechercher des nœuds avec des attributs spécifiques
4 techniques de création de diagrammes pour papiers et supports de présentation avec matplotlib
Incontournable pour les responsables de l'informatique des matériaux! Visualisez les données composées avec une carte thermique de tableau périodique.