Yellowbrick: Makine Öğrenmesi Görselleştirme¶
Yellowbrick`e hoşgeldiniz.
Şuanda Yellowbrick Türkçe dökümantasyonu üzerinde çalışmaktayız. Lütfen sayfamıza tekrar uğrayınız.
Ayrıca yardım tekliflerinize açığız. Türkçe tercüme için katkıda bulunmak isterseniz yellowbrick-docs-tr adresine pull request sorgusu gönderebilirsiniz. Eğer Yellowbrick için katkıda bulunmak isterseniz codebase adresine pull request sorgusu gönderebilirsiniz.
Yellowbrick, insanların model seçim sürecini yönlendirmeye izin veren “Görselleştirici” adı verilen Scikit-Learn API`sini genişleten görsel tanı araçları paketidir. Kısacası Yellowbrick, Scikit-Learn`i Matplotlib ile Scikit-Learn dökümantasyonuna gore birleştirerek modelinize göre görselleştirme üretmektedir. Yellowbrick ile ilgili daha fazlası için, lütfen bakınız: Hakkında.
Eğer Yellowbrick`te yeniyseniz, Hızlı Başlangıç ya da bu kısmı geçerek Model Seçim Eğitseli kısmını ziyaret edebilirsiniz. Yellowbrick, düzenli olarak eklenen birçok görselleştiricisi ile zengin bir kütüphanedir. Spesifik Görselleştiriciler ve genişletilmiş kullanımları ile ilgili detayları Görselleştiriciler ve API kısmından bulabilirsiniz. Yellowbrick`e katkıda bulunmak ister misiniz? contributing guide sayfasına göz atabilirsiniz. Şayet kullanıcı testi için başvurduysanız, Kullanıcı Testi Talimatları sayfasına bakınız.(ve Teşekkür ederiz)
Görselleştiriciler¶
Görselleştiriciler, öncelikli amacı model seçim işlemine içgörü sağlamaya izin veren görselleştirmeleri oluşturan tahmin edicilerdir(veriden öğrenilen nesneler). Scikit-Learn`e göre, Görselleştiriciler; veri alanını görselleştirirken, dönüstürücülere benzeyebilir ya da “ModelCV” (e.g. RidgeCV, LassoCV) metodların calışmasında olduğu gibi, bir model tahmin edicisini sarabilmektedir. Yellowbrick`in öncelikli amacı, Scikit-Learn benzeri bir mantıksal API oluşturmaktır. En populer görselleştiricilerimizden bazıları şunlardır:
Özellik Görselleştirme¶
- Rank Features: ilişki saptaması için özelliklerin ikili olarak sıralanması
- Parallel Coordinates: özelliklerin yatay görselleştirilmesi
- Radial Visualization: örneklerin bir dairesel alanda ayrılması
- PCA Projection: ana bileşenlere göre örneklerin gösterimi
- Feature Importances: spesifik bir model için önem veya doğrusal katsayısına göre özellik sıralaması
- Scatter and Joint Plots: özellik seçimi ile doğrudan veri görselleştirimi
Klasifikasyon Görselleştirme¶
- Class Balance: sınıfların dagılımının modeli nasıl etkilediğinin gösterimi
- Classification Report: precision, recall, ve F1 görsel temsili
- ROC/AUC Curves: işlem karakteristik eğrisi ve eğri altında kalan alan
- Confusion Matrices: sınıf karar veriminin görsel açıklaması
Regresyon Görselleştirme¶
- Prediction Error Plot: hedef alanı boyunca oluşan model hatalarının bulunması
- Residuals Plot: eğitim ve test verisi rezidüellerindeki farkın gösterimi
- Alpha Selection: alfa değer seçiminin regülasyonu nasıl etkilediğinin gösterimi
Kümesel Görselleştirme¶
- K-Elbow Plot: elbow metodu ve çeşitli metriklerin kullanımı ile k seçimi
- Silhouette Plot: siluet katsayısı değerlerinin görselleştirimi ile k seçimi
Metin Görselleştirmesi¶
- Term Frequency: metin gövdesi içinde bulunan terimlerin dağılım sıklığının görselleştirimi
- t-SNE Corpus Visualization: proje dökümanına stokastik yakınsal yerleştirimin kullanılması
… ve daha fazlası! Yeni görselleştiriciler sürekli olarak eklenmekte; örnekleri kontrol ettiğinizden emin olun (ya da hatta develop branch) ve yeni görselleştiricilerle ilgili fikirlerinizle katkıda bulunmaktan lütfen çekinmeyin.
Yardım İçin¶
Yellowbrick, Matplotlib ve Scikit-Learn geleneğinde olduğu gibi kapsamlı ve herkesi davet eden bir projedir. Bu projelere benzer olarak Python Software Foundation Code of Conduct ölçütlerini takip etmeye çalışıyoruz. Lütfen yardıma ihtiyacınız olduğunda ya da herhangi bir katkıda bulunmak isterseniz veyahut bug bulursanız bizlere çekinmeden ulaşabilirsiniz.
Yellowbrick yardımı için ilk yol bu isteğinizi gönderi olarak Google Groups Listserv kısmında paylaşmanız. Topluluk üyelerinin katılım gösterebildiği ve üyelerin birbirlerine cevap verebildigi email liste/forumu olup, burada en hızlı şekilde yanıt alabilirsiniz. Lütfen gruba katılmayı düşünün, böylelikle siz de soruları cevaplayabilirsiniz. Ayrıca Stack Overflow da soru sorabilir ve sorularınızı “yellowbrick” olarak etiketleyebilirsiniz. Ya da Github üzerinde Issues kısmına ekleme yapabilirsiniz. Veya Twitter hesabımıza @DistrictDataLab tweet ya da direk mesaj atabilirsiniz.
Açık Kaynak¶
Yellowbrick lisansı açık kaynaklı bir Apache 2.0 lisansıdır. Yellowbrick çok aktif geliştirici topluluğuna sahip olup; lütfen sizde katılmayı ve katkıda bulunmayı düşünün!
Yellowbrick GitHub üzerinde bulunmaktadır. issues ve pull requests detaylarını bu linklerden takip edebilirsiniz.
İçindekiler Tablosu¶
Kütüphanenin bu versiyonu için olan Yellowbrick dökümantasyonunun tüm listesini aşağıda bulabilirsiniz: