Scikit Learn中估算器的丰富可视化表示 – 获取文本而不是图表

我正在尝试使用scikit-learn中的新管道可视化功能。在jupyter书籍或Google Colab中,我得到的输出是文本而不是管道可视化图表。我希望得到的图表是Scikit-Learn文档中展示的那种。

请提供建议

import seaborn as snsfrom sklearn.pipeline import Pipelinefrom sklearn.impute import SimpleImputerfrom sklearn.preprocessing import StandardScaler, OneHotEncoderfrom sklearn.compose import ColumnTransformerfrom sklearn.linear_model import LogisticRegressionTitanicDataset=sns.load_dataset("titanic")##print(tips.info())##print(tips.head())X=TitanicDataset[["sex","age","fare","embarked","who","pclass"]].copy()y=TitanicDataset[["survived"]].copy()print(X.info())numeric_independent_variables= ['fare', 'age', 'pclass']categorical_independent_variables=["who","embarked","sex"]numeric_pipeline=Pipeline([('imputer', SimpleImputer(strategy='median')),('scaler', StandardScaler())])categorical_pipeline= Pipeline([('imputer', SimpleImputer(strategy='constant', fill_value='missing')),                                ('onehot', OneHotEncoder(handle_unknown='ignore'))])consolidated_pipeline=ColumnTransformer([('num', numeric_pipeline, numeric_independent_variables),        ('cat', categorical_pipeline, categorical_independent_variables)])clf = Pipeline(steps=[('consolidated_pipeline', consolidated_pipeline),                      ('classifier', LogisticRegression())])from sklearn import set_configset_config(display='diagram')print(clf)```

输出

Pipeline(steps=[('consolidated_pipeline',                     ColumnTransformer(transformers=[('num',                                                      Pipeline(steps=[('imputer',                                                                       SimpleImputer(strategy='median')),                                                                      ('scaler',                                                                       StandardScaler())]),                                                      ['fare', 'age', 'pclass']),                                                     ('cat',                                                      Pipeline(steps=[('imputer',                                                                       SimpleImputer(fill_value='missing',                                                                                     strategy='constant')),                                                                      ('onehot',                                                                       OneHotEncoder(handle_unknown='ignore'))]),                                                      ['who', 'embarked',                                                       'sex'])])),                    ('classifier', LogisticRegression())])

回答:

不要使用print。print总是使用对象的__repr__。相反,请使用IPython.display中的display,或者在笔记本的单元格末尾直接使用clf(而不是print(clf))。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注