基于sklearn的可视化工具Yellowbrick进行超参与行为分析能够显著提升结果质量

Yellowbrick 是一个名为「Visualizers」的视觉诊断工具集合，并通过扩展 Scikit-Learn API 来支持监督模型的选择过程。简单来说，Yellowbrick 整合了 Matplotlib 和 Scikit-learn 工具集，并采用传统 Scikit-learn 方式对模型进行可视化分析。

• 可视化器
  视觉化器（Visualizers）是一种从数据中学习的估计器，在Scikit-learn框架内与其功能相似的一类工具旨在提供模型选择过程可视化的支持。这些工具类似于转换器（transformer），它们能够在数据空间中进行降维或者包装模型估计器以实现类似「ModelCV」的功能（例如RidgeCV和LassoCV等方法的作用）。黄包图 Yellowbrick 则致力于构建一个与Scikit-learn类似的API接口框架，并集成了多个流行的可视化工具。

特征可视化

• Order Features: 采用单个或成对特征排序以检测相互关系。
• Radial Arrangement: 通过围绕圆形图分离实例的方法实现数据布局。
• PCA Mapping: 基于主成分分析将实例映射至低维空间。
• Manifold-Based Data Visualization: 通过流形学习技术实现高维数据的低维可视化展示。
• Fea