day 32

官方文档阅读

绘制pdpbox库中的InteractTargetPlot实例

import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier# 加载鸢尾花数据集
iris = load_iris()
df = pd.DataFrame(iris.data, columns=iris.feature_names)
df['target'] = iris.target  # 添加目标列（0-2类：山鸢尾、杂色鸢尾、维吉尼亚鸢尾）# 特征与目标变量
features = iris.feature_names  # 4个特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度
target = 'target'  # 目标列名# 划分训练集与测试集
X_train, X_test, y_train, y_test = train_test_split(df[features], df[target], test_size=0.2, random_state=42
)# 训练模型
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

 实例化要传入原始数据，包含多个特征的列表，这些特征的名称，标签，分桶方式等

import  pdpbox
from pdpbox.info_plots import InteractTargetPlot  # 导入TargetPlot类
# 选择待分析的特征（如：petal length (cm)）
feature = ['petal length (cm)','sepal width (cm)']
feature_name = feature  # 特征显示名称# 初始化TargetPlot对象（移除plot_type参数）
interact_target_plot = InteractTargetPlot(df=df,  # 原始数据（需包含特征和目标列）features=feature,  # 目标特征列feature_names=feature_name,  # 特征名称（用于绘图标签）# target='target',  # 多分类目标索引（鸢尾花3个类别）target='target',  # 多分类目标索引（鸢尾花3个类别）grid_types='percentile',  # 分桶方式：百分位num_grid_points=10  # 划分为10个桶
)interact_target_plot.plot()[0]

@浙大疏锦行