DistrictDataLabs/yellowbrick
کاربرد:
این ابزار به شما کمک می‌کند تا با نمایش بصری داده‌ها و مدل‌های یادگیری ماشین، عملکرد و دقت مدل‌ها را بهتر درک کنید. به جای صرفاً نگاه کردن به اعداد و معیارهای عددی، می‌توانید نمودارها و تحلیل‌های بصری ببینید که درک الگوها، خطاهای مدل و انتخاب بهترین مدل را آسان‌تر می‌کند.
در چه شرایطی بهتره استفاده شود؟
وقتی دارید مدل‌های مختلف یادگیری ماشین را مقایسه می‌کنید، یا نیاز دارید که عملکرد مدل را به تیم غیرفنی توضیح دهید، استفاده از این کتابخانه بسیار مفید است. همچنین وقتی می‌خواهید اشکالات مدل (مثل بیش‌برازش یا کم‌برازش) را تشخیص دهید، این ابزار به خوبی کمک می‌کند. ️
چند مثال از موارد استفاده
- مقایسه دقت چند مدل با نمودارهای ROC-curve
- نمایش ماتریس درهم‌ریختگی (Confusion Matrix) به صورت رنگی و قابل فهم
- تحلیل باقی‌مانده‌ها (Residuals) در مدل‌های رگرسیون
- بررسی توزیع کلاس‌ها و تعادل داده‌ها قبل از آموزش مدل
- ##machine
- ##data
- ##model
- ##python
- ##AI
- ##ML
- ##Yellowbrick
- ##diagnostic
- ##data
- ##model