plt绘制平滑曲线_使用python+sklearn实现绘制部分依赖图的高级API

注意：单击此处 https://urlify.cn/BNjeIj 下载完整的示例代码，或通过Binder在浏览器中运行此示例 plot_partial_dependence 函数返回一个可用于绘图的 PartialDependenceDisplay 对象，而无需重新计算部分依赖。在此示例中，我们将展示如何绘制部分依赖图(partial dependence plots)以及如何使用可视化API来快速自定义图。 注意： 另请参阅 用可视化API绘制ROC曲线

print(__doc__)import pandas as pdimport matplotlib.pyplot as pltfrom sklearn.datasets import load_bostonfrom sklearn.neural_network import MLPRegressorfrom sklearn.preprocessing import StandardScalerfrom sklearn.pipeline import make_pipelinefrom sklearn.tree import DecisionTreeRegressorfrom sklearn.inspection import plot_partial_dependence

在波士顿房屋价格数据集上训练模型

首先，我们在波士顿房价数据集上训练决策树和多层感知器。

boston = load_boston()X = pd.DataFrame(boston.data, columns=boston.feature_names)y = boston.targettree = DecisionTreeRegressor()mlp = make_pipeline(StandardScaler(),                    MLPRegressor(hidden_layer_sizes=(100, 100),                                 tol=1e-2, max_iter=500, random_state=0))tree.fit(X, y)mlp.fit(X, y)

输出：

Pipeline(steps=[('standardscaler', StandardScaler()),                ('mlpregressor',                 MLPRegressor(hidden_layer_sizes&#