【Python】 機械学習の可視化が捗るライブラリ「Yellowbrick」 - フリーランチ食べたい
機械学習Podcast「TWiML＆AI」で先週取り上げられた可視化ライブラリ「Yellowbrick」が非常に便利だったので紹介します！ちなみにPodcastには作者の1人であるRebecca Bilbroさんが出演しているので興味持った方は是非聞いてみてください。 twimlai.com www.scikit-yb.org Yellowbrickとは 一言で言うと、機械学習に特化した可視化ライブラリです。実装的な面で言うと(こちらの方がわかりやすいかもしれません)、scikit-learnとmatplotlibをラップして、scikit-learnライクなAPIで使うことができるものです。 例えば相関行列のヒートマップをプロットしたい場合は次のように書くだけでグラフを作ることができます。 visualizer = Rank2D(features=features, algorithm=
データの集計は、ExcelよりPython使ったほうが100倍早い（pandas-profiling, pixiedust） - Qiita
Pythonのpandas-profilingと、pixiedustの2つのライブラリを使うと、データの集計・グラフの作成が、感動的なほど早く終わることを実感したので共有します。 Excelでデータ集計・グラフ作成した場合と比較すると、体感で100倍くらい早く終わります（誇張ではなく） Pythonで爆速でデータ集計する方法（体感所要時間：5分） 前提： 以下の環境が整備されていることは、前提とします。 Pythonのインストール（約30分） データ分析に必要な各種ライブラリのインストール（約30分） →numpy, matplotlib, pandas, jupyter など →Anacondaをインストールすれば、Pythonと各種ライブラリは同時にインストールされます。 また、集計対象である、テーブル形式のcsvデータは既に用意されているものとします。 ↓Excelで表示すると、こん
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Example Gallery
Build a geospatial dashboard in Python using Greppo | Towards Data Science
GitHub - streamlit/streamlit: Streamlit — A faster way to build and share data apps.
earthpy.plot — EarthPy 0.9.4 documentation
GitHub - plotly/dash: Data Apps & Dashboards for Python. No JavaScript Required.
Vega-Altair: Declarative Visualization in Python — Vega-Altair 5.3.0 documentation
The Matplotlib Basemap Toolkit User’s Guide — Basemap Matplotlib Toolkit 1.2.1 documentation
Basemap tutorial — Basemap tutorial 0.1 documentation
GitHub - DistrictDataLabs/yellowbrick: Visual analysis and diagnostic tools to facilitate machine learning model selection.
GitHub - CosmiQ/CometTS: Comet Time Series Toolset for working with a time-series of remote sensing imagery and user defined polygons
Pythonの可視化ツールはHoloViewsが標準になるかもしれない - Qiita