将 `shap.summary_plot()` 的渐变颜色更改为特定的 2 或 3 RGB 渐变调色板颜色
Posted
技术标签:
【中文标题】将 `shap.summary_plot()` 的渐变颜色更改为特定的 2 或 3 RGB 渐变调色板颜色【英文标题】:Changing the gradient color of `shap.summary_plot()` to specific 2 or 3 RGB gradient palette Colors 【发布时间】:2020-05-25 22:14:51 【问题描述】:我一直在尝试将渐变调色板颜色从 shap.summary_plot()
更改为感兴趣的颜色,例如 RGB。
为了说明这一点,我尝试使用 matplotlib 来创建我的调色板。然而,到目前为止它还没有奏效。 有人可以帮我吗?
这是我迄今为止尝试过的:
使用iris
数据集创建示例(这里没问题)
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from sklearn import datasets
from sklearn.model_selection import train_test_split
import xgboost as xgb
import shap
# import some data to play with
iris = datasets.load_iris()
Y = pd.DataFrame(iris.target, columns = ["Species"])
X = pd.DataFrame(iris.data, columns = iris.feature_names)
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.3, random_state=0, stratify=Y)
params = # General Parameters
'booster': 'gbtree',
# Param for boosting
'eta': 0.2,
'gamma': 1,
'max_depth': 5,
'min_child_weight': 5,
'subsample': 0.5,
'colsample_bynode': 0.5,
'lambda': 0, #default = 0
'alpha': 1, #default = 1
# Command line parameters
'num_rounds': 10000,
# Learning Task Parameters
'objective': 'multi:softprob' #'multi:softprob'
model = xgb.XGBClassifier(**params, verbose=0, cv=5 , )
# fitting the model
model.fit(X_train,np.ravel(Y_train), eval_set=[(X_test, np.ravel(Y_test))], early_stopping_rounds=20)
# Tree on XGBoost
explainerXGB = shap.TreeExplainer(model, data=X, model_output ="margin")
#recall one can put "probablity" then we explain the output of the model transformed
#into probability space (note that this means the SHAP values now sum to the probability output of the model).
shap_values_XGB_test = explainerXGB.shap_values(X_test)
shap_values_XGB_train = explainerXGB.shap_values(X_train)
shap.summary_plot(shap_values_XGB_train, X_train, )#color=cmap
直到这里,如果您运行代码何时应该获得具有默认颜色的摘要图。为了更改默认设置,我尝试创建我的 2 色渐变调色板,如下所示:
from matplotlib import cm
from matplotlib.colors import ListedColormap, LinearSegmentedColormap
RGB_val = 255
color01= (0,150,200) # Blue wanted
color04= (220,60,60) # red wanted
Colors = [color01, color04]
# Creating a blue red palette transition for graphics
Colors= [(R/RGB_val,G/RGB_val,B/RGB_val) for idx, (R,G,B) in enumerate(Colors)]
n = 256
# Start of the creation of the gradient
Color01= ListedColormap(Colors[0], name='Color01', N=None)
Color04= ListedColormap(Colors[1], name='Color04', N=None)
top = cm.get_cmap(Color01,128)
bottom = cm.get_cmap(Color04,128)
newcolors = np.vstack((top(np.linspace(0, 1, 128)),
bottom(np.linspace(0, 1, 128))))
mymin0 = newcolors[0][0]
mymin1 = newcolors[0][1]
mymin2 = newcolors[0][2]
mymin3 = newcolors[0][3]
mymax0 = newcolors[255][0]
mymax1 = newcolors[255][1]
mymax2 = newcolors[255][2]
mymax3 = newcolors[255][3]
GradientBlueRed= [np.linspace(mymin0, mymax0, n),
np.linspace(mymin1, mymax1, n),
np.linspace(mymin2, mymax2, n),
np.linspace(mymin3, mymax3, n)]
GradientBlueRed_res =np.transpose(GradientBlueRed)
# End of the creation of the gradient
newcmp = ListedColormap(GradientBlueRed_res, name='BlueRed')
shap.summary_plot(shap_values_XGB_train, X_train, color=newcmp)
但我无法更改图形的颜色。 :
谁能解释一下如何制作:
(A) 2 渐变色或 (B) 3 种颜色渐变(在其他 2 种之间指定一种颜色)?
非常感谢您抽出宝贵的时间,
【问题讨论】:
您到底期待什么?你看过seaborn的调色板吗? seaborn.pydata.org/tutorial/color_palettes.html 不,我没有,我现在要检查一下。谢谢。我检查的是matplotlib.org/3.1.0/tutorials/colors/…,但我无法通过它 我真的不明白您的问题是创建颜色图还是在绘图上显示某些内容。很乐意提供帮助。 我唯一的问题是能够创建一个cmap来传递函数color=
的参数shap.summary_plot(shap_values_XGB_train, X_train, color=newcmp)
这样调色板被定义为RGB颜色:(1)2种渐变颜色(即从 color01= (0,150,200) 到 color04= (220,60,60) ) 提供和 (2) 3 种渐变颜色(即从 color01= (0,150,200) 到 color02 =(0,0,0) 到 color04= ( 220,60,60))。随意编辑我的问题,以便更清楚地搜索:)。
感谢您的澄清,我试过了!
【参考方案1】:
如here 所示,我使用图艺术家的 set_cmap() 函数的解决方法:
# Create colormap
newcmp = ListedColormap(GradientBlueRed_res, name='BlueRed')
# Plot the summary without showing it
plt.figure()
shap.summary_plot(shap_values_XGB_train, X_train, show=False)
# Change the colormap of the artists
for fc in plt.gcf().get_children():
for fcc in fc.get_children():
if hasattr(fcc, "set_cmap"):
fcc.set_cmap(newcmp)
Result
【讨论】:
【参考方案2】:实际上我为这个 SHAP 图做了一个解决方案(当前版本是 0.39)。基本上可以生成一个cmap,然后通过参数cmap
来使用。
一个例子:
import shap
from matplotlib.colors import LinearSegmentedColormap
# Generate colormap through matplotlib
newCmap = LinearSegmentedColormap.from_list("", ['#c4cfd4','#3345ea'])
# Set plot
shap.decision_plot(..., plot_color=newCmap)
【讨论】:
以上是关于将 `shap.summary_plot()` 的渐变颜色更改为特定的 2 或 3 RGB 渐变调色板颜色的主要内容,如果未能解决你的问题,请参考以下文章