Zof*_*fia 5 python continuous-integration matplotlib seaborn
我正在尝试为三个 ML 模型创建一个分类准确度图,具体取决于数据中使用的特征数量(使用的特征数量从 1 到 75,根据特征选择方法排名)。我进行了 100 次迭代,计算每个模型和每个“使用的特征数量”的准确度输出。下面是我的数据的样子(clsf 从 0 到 2,时间点从 1 到 75): 数据
然后我调用了 seaborn 函数,如文档文件中所示。
sns.lineplot(x= "timepoint", y="acc", hue="clsf", data=ttest_df, ci= "sd", err_style = "band")
Run Code Online (Sandbox Code Playgroud)
情节是这样的: 情节
我希望 x 轴上的每个点都有置信区间,但不知道为什么它不起作用。每个 x 值都有 100 个 y 值,所以我不明白为什么它不能计算/显示它。
小智 1
pointplot 您可以使用 Seaborn 的函数来尝试您的数据集。它专门用于显示点散点图周围的不确定性指示。默认情况下pointplot将通过一条线连接值。linestyles = ""如果分类变量本质上是序数,这很好,但删除标称数据的线可能是个好主意。(我在我的例子中使用)join = False
我尝试重新创建您的笔记本以提供视觉效果,但无法完全按照您的描述获得图中的置信区间。我希望这对您有帮助。
sb.set(style="darkgrid")
sb.pointplot(x = 'timepoint', y = 'acc', hue = 'clsf',
data = ttest_df, ci = 'sd', palette = 'magma',
join = False);
Run Code Online (Sandbox Code Playgroud)