特征分析可视化工具设计用于在数据空间中可视化实例，以便检测可能影响下游拟合的特征或目标。因为ML操作高维数据集（通常至少35个），可视化工具将重点放在聚合、优化和其他技术

dates:2020-07-2510:31:35+0800tags:-机器学习-Python-数据分析与可视化目标可视化工具专门用于直观地描述用于监督建模的因变量，通常称为y目标。代码

dates:2020-07-2510:16:42+0800tags:-机器学习-Python-数据分析与可视化特征分析可视化工具设计用于在数据空间中可视化实例，以便检测可能影响下游拟合的

回归模型试图预测连续空间中的目标。回归计分可视化工具显示模型空间中的实例，以便更好地理解模型是如何进行预测的。Yellowbrick已经实施了三种回归评估：残差图ResidualsPlo

目标可视化工具专门用于直观地描述用于监督建模的因变量，通常称为y目标。当前实现了以下可视化：平衡箱可视化BalancedBinning：生成带有垂直线的直方图，垂直线显示推荐值点，以将

特征分析可视化工具设计用于在数据空间中可视化实例，以便检测可能影响下游拟合的特征或目标。因为ML操作高维数据集（通常至少35个），可视化工具将重点放在聚合、优化和其他技术上

在本教程中，我们将查看各种ScikitLearn模型的分数，并使用Yellowbrick的可视化诊断工具对它们进行比较，以便为我们的数据选择最佳的模型。​​代码下载​​文章目录​​1使用

Yellowbrick是一个机器学习可视化库,主要依赖于sklearn机器学习库，能够提供多种机器学习算法的可视化，主要包括特征可视化，分类可视化，回归可视化，回归可视化，聚类可视化，模型选择