- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我想更改从 shap
库生成的图的纵横比。
下面的最小可重现示例图:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
from sklearn.datasets import load_boston
import shap
boston = load_boston()
regr = pd.DataFrame(boston.data)
regr.columns = boston.feature_names
regr['MEDV'] = boston.target
X = regr.drop('MEDV', axis = 1)
Y = regr['MEDV']
fit = LinearRegression().fit(X, Y)
explainer = shap.LinearExplainer(fit, X, feature_dependence = 'independent')
shap_values = explainer.shap_values(X)
shap.summary_plot(shap_values, X)
我可以用这个保存图形:
fig = shap.summary_plot(shap_values, X, show = False)
plt.savefig('fig_tes1.svg', bbox_inches='tight',dpi=100)
但我无法更改宽高比,例如,宽高比为 4:3。
我读过我应该可以
plt.gcf()
但对我来说,这只会创建一个新的空白图。
<Figure size 432x288 with 0 Axes>
最佳答案
更新
使用plot_size
参数:
shap.summary_plot(shap_values, X, plot_size=[8,6])
print(f'Size: {plt.gcf().get_size_inches()}')
# Output
Size: [8. 6.]
您可以使用 set_size_inches
修改图形的大小:
...
shap.summary_plot(shap_values, X)
# Add this code
print(f'Original size: {plt.gcf().get_size_inches()}')
w, _ = plt.gcf().get_size_inches()
plt.gcf().set_size_inches(w, w*3/4)
plt.tight_layout()
print(f'New size: {plt.gcf().get_size_inches()}')
plt.savefig('fig_tes1.svg', bbox_inches='tight',dpi=100)
输出:
Original size: [8. 6.7]
New size: [8. 6.]
注意:修改宽度可能比修改高度更好:
_, h = plt.gcf().get_size_inches()
plt.gcf().set_size_inches(h*4/3, h)
关于python - 更改 SHAP 图的纵横比,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/69355710/
我需要更好地理解我的 LightGBM 模型,所以我使用了 SHAP 树解释器。 lightgbm 需要对数据进行编码,我将相同的数据传递给树解释器。所以,我担心 SHAP TreeExplainer
对于下面给出的代码,我得到了 shap 值的不同条形图。 在这个例子中,我有一个包含 1000 个 train 样本和 9 个类和 500 个 test 样本的数据集。然后我使用随机森林作为分类器并生
使用以下 Python 代码创建 SHAP summary_plot: explainer = shap.TreeExplainer(model2) shap_values = explainer.s
使用以下 Python 代码创建 SHAP summary_plot: explainer = shap.TreeExplainer(model2) shap_values = explainer.s
我一直在玩玩具数据集,以了解更多关于 shap 库和用法的信息。我发现这个问题是 catboost 回归模型的特征重要性与 shap 库中 summary_plot 的特征重要性不同。 我正在分析 X
我正在使用随机森林进行二元分类,并尝试使用 SHAP 来解释模型预测。 但是,我想将带有值的 SHAP 局部解释图转换为每个实例的 pandas 数据框。 这里有人可以帮助我将 SHAP 本地解释导出
我想获得一个包含重要特征的数据框。使用下面的代码,我得到了 shap_values,但我不确定这些值是什么意思。在我的 df 中有 142 个特征和 67 个实验,但得到了一个带有 ca 的数组。 2
假设我们有一个二元分类问题,我们有两个类别 1 和 0 作为我们的目标。我的目标是使用树分类器来预测给定特征的 1 和 0。此外,我可以使用 SHAP 值对预测 1 和 0 的特征重要性进行排名。到现
我正在使用 python shap包以更好地理解我的机器学习模型。 (来自 documentation:“SHAP(SHpley Additive exPlanations)是一种解释任何机器学习模型
我目前正在尝试在 SHAP 摘要图上绘制一组特定特征。但是,我正在努力寻找这样做所需的代码。 查看 Github 上的源代码时,summary_plot 函数似乎确实具有“功能”属性。但是,这似乎不是
我正在使用随机森林模型和神经网络进行二元分类,其中使用 SHAP 来解释模型预测。我按照教程编写了以下代码以获得如下所示的瀑布图 row_to_show = 20 data_for_predictio
我想更改从 shap 库生成的图的纵横比。 下面的最小可重现示例图: import numpy as np import pandas as pd import matplotlib.pyplot
我正在使用随机森林模型和神经网络进行二元分类,其中使用 SHAP 来解释模型预测。我按照教程编写了以下代码以获得如下所示的瀑布图 row_to_show = 20 data_for_predictio
我想更改从 shap 库生成的图的纵横比。 下面的最小可重现示例图: import numpy as np import pandas as pd import matplotlib.pyplot
我想做一个简单的形状分析并绘制一个 shap.force_plot。我注意到它在 .ipynb 文件中本地运行没有任何问题,但在 Databricks 上失败并显示以下错误消息: Visualizat
我正在尝试为我的随机森林模型创建一个 force_plot,它有两个类(1 和 2),但我对 force_plot 的参数有点困惑。 我有两个不同的 force_plot 参数,我可以提供以下参数:
我需要绘制每个特征如何影响我的 LightGBM 二元分类器中每个样本的预测概率。所以我需要输出概率的 Shap 值,而不是正常的 Shap 值。它似乎没有任何概率输出选项。 下面的示例代码是我用来生
我正在尝试使用 SHAP 对我的产品分类模型进行一些不良案例分析。我的数据看起来像这样: corpus_train, corpus_test, y_train, y_test = train_test
我有一个带有 2 个目标变量的 tensorflow 模型,我想按如下方式查看其 SHAP 值: import pandas as pd import tensorflow as tf import
我有以下数据框: import pandas as pd import random import xgboost import shap foo = pd.DataFrame({'id':[1,2,
我是一名优秀的程序员,十分优秀!