소개

파이썬 데이터 과학 핸드북 공부중에 생각한 것.

seaborn에서 히트 맵 만들어 오분류를 가시화하고 있지만, 이것이 전체 안에서 숫자가 큰 값에 색이 붙는 것은?
(모든 분류에서 샘플 수가 같으면 좋지만 데이터 불균형은 종종 발생하기 때문에)

행의 합계(=각 분류)에 대한, 각 요소의 비율을 알 수 있는 히트 맵도 있는 것이 좋다.
라는 것으로 만들었다.

데이터 로드 및 분류 알고리즘 적용

load_and_modelfitting.py

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns; sns.set()
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split
from sklearn.naive_bayes import GaussianNB
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix

# サンプルとして今回は手書き文字の画像を分類タスクとしてロード
digits = load_digits()
X = digits.data
y = digits.target

# 訓練用と評価用に分割
Xtrain, Xtest, ytrain, ytest = train_test_split(X, y, random_state=0)

# 分類アルゴリズムも適当にガウシアンナイーブベイズを適用
model = GaussianNB()
model.fit(Xtrain, ytrain)
y_model = model.predict(Xtest)
accuracy_score(ytest, y_model)

여기에서 본제

평소 혼동 행렬과 행에 대한 비율의 배열을 히트 맵으로 만듭니다.

create_confmrx.py

# 普通のコンフュージョンマトリックスの2次元配列
mat = confusion_matrix(ytest, y_model)
# 各行合計に対する割合を計算し、小数点第3位を四捨五入した2次元配列
mat_dec = np.round(mat / np.sum(mat, axis=1), decimals=2)

fig, axes = plt.subplots(1, 2, figsize=(10, 10))
kwargs = dict(square=True, annot=True, cbar=False, cmap='RdPu')

# 2つのヒートマップを描画
for i, dat in enumerate([mat, mat_dec]):
    sns.heatmap(dat, **kwargs, ax=axes[i])

# グラフタイトル、x軸とy軸のラベルを設定
for ax, t in zip(axes, ['Real number', 'Percentage(per row)']):
    plt.axes(ax)
    plt.title(t)
    plt.xlabel('predicted value')
    plt.ylabel('true value')

그린 히트맵 정보 해석안

전체를 부감하다

왼쪽 (일반 히트 맵)의 대각선에서 색이 얇은 요소에 주목하여 "전체 안에서 흠집이 많은 행"을 식별

분류 2,9,4,0이 해당

오른쪽 히트 맵을 보고 「행 단위 중에서도 흠집이 많은 요소」를 확인한다

분류 2, 9가 적용될 수 있으므로 샘플 수를 늘리거나 튜닝을 우선적으로 수행합니다

반대로 분류 4,0은 왼쪽 만 보면 색이 얇지만 오른쪽을 보면 색이 짙기 때문에 튜닝 우선 순위가 낮습니다.

결론

컴퓨전 매트릭스, 견해가 무즈하다…