诺模图
用于可视化朴素贝叶斯分类器和逻辑回归分类器的诺模图。
输入
● 分类器:训练好的分类器(如朴素贝叶斯或逻辑回归)
● 数据:输入数据集
输出
● 特征:默认选择前10个变量作为特征
诺模图能够直观展示分类器(特别是朴素贝叶斯和逻辑回归)的结构,揭示训练数据中属性对类别概率的影响。除了可视化功能外,该工具还支持交互式预测类别概率。下图展示了泰坦尼克号数据集的诺模图,用于建模乘客未幸存灾难的概率。
当数据集中属性过多时,可仅显示排名靠前的属性。对于朴素贝叶斯模型,排序选项包括“无排序”“名称”“绝对重要性”“正向影响”和“负向影响”;逻辑回归模型则支持“无排序”“名称”和“绝对重要性”。
在多分类任务中,目标类别的概率通过“一对多”(One-vs-All)原则计算(此时概率之和可能不为1)。若需避免此问题,可选择“归一化概率”。
操作步骤
- 选择目标类别并决定是否归一化概率。
- 默认使用“对数几率比”作为尺度。为便于理解,可切换为“点尺度”:将最大绝对对数几率比重新缩放为100点。
- 显示所有属性或仅显示高排名属性,支持排序和投影类型设置(逻辑回归模型还支持连续属性的2D可视化)。