回归问题属性的可视化

回归问题预测一般用折线图进行可视化，去了解属性和属性值之间的变化，这里参考《预测分析核心算法》为教程做以整理，对属性值可视化进行描述。

数据情况

• 数据是预测鲍鱼年龄的回归问题。数据column分别为’Sex’（性别）, ‘Length’（长度）, ‘Diameter’（直径）, ‘Height’（高度）,’Whole Wt’（整体体重）, ‘Shucked Wt’（去壳后重量）,’Viscera Wt’（脏器重量）, ‘Shell Wt’（壳的重量）, ‘Rings’（环数）。
• 目标： 实现Ring标签的实数值（属性值）到颜色值的映射

代码实现

在归一化后对数据进行可视化

scale

import pandas as pd
import matplotlib.pyplot as plot
from math import exp
url = ("http://archive.ics.uci.edu/ml/machine-"
       "learning-databases/abalone/abalone.data")
abalone = pd.read_csv(url, header = None, prefix="V")
abalone.columns = ['Sex', 'Length', 'Diameter', 'Height',
                   'Whole Wt', 'Shucked Wt',
                   'Viscera Wt', 'Shell Wt', 'Rings']
summary = abalone.describe()
minRings = summary.iloc[3, 7]
maxRings = summary.iloc[7, 7]
nrows = len(abalone.index)
#
for i in range(nrows):
    datarow = abalone.iloc[i, 1:8]
    labelColor = (abalone.iloc[i, 8] - minRings)/(maxRings - minRings)
    datarow.plot(color=plot.cm.RdYlBu(labelColor),alpha=0.5)
plot.xlabel("Attribute index")
plot.ylabel("Attribute value")
plot.show()

这里可以看出每个属性和Ring的相关性。因为scale后数值被压缩导致颜色大多数集中

renormalize

meanRings = summary.iloc[1, 7]
stdRings = summary.iloc[2, 7]
for i in range(nrows):
    dataRow = abalone.iloc[i, 1:8]
    normTarget = (abalone.iloc[i, 8] - meanRings) / stdRings
    labelColor = 1.0/(1.0 + exp(-normTarget))
    dataRow.plot(color=plot.cm.RdYlBu(labelColor), alpha=0.5)
plot.show()

加上阶跃函数后颜色有明显的区分。从图上分析：

1. 属性上整体重量和去壳后重量是两个重要属性
2. 属性中不同颜色依然有区分（深浅不一）说明并不能完整预测环数Rings
3. 然而其他属性能够很好将其分开如直径