Introdução
Neste laboratório, aprenderemos a gerar um conjunto de dados multirótulo utilizando a função make_multilabel_classification da biblioteca Scikit-Learn. A função gera amostras aleatórias de dados multirótulo, onde cada amostra possui contagens de duas características, distribuídas de forma diferente em cada uma das duas classes.
Dicas da Máquina Virtual
Após o arranque da máquina virtual, clique no canto superior esquerdo para mudar para a aba Notebook para aceder ao Jupyter Notebook para a prática.
Por vezes, pode ser necessário esperar alguns segundos para o Jupyter Notebook terminar o carregamento. A validação das operações não pode ser automatizada devido a limitações no Jupyter Notebook.
Se tiver problemas durante o aprendizado, não hesite em contactar o Labby. Forneça feedback após a sessão e resolveremos prontamente o problema para si.
Importar Bibliotecas Necessárias e Definir Constantes
Primeiro, precisamos importar as bibliotecas necessárias e definir as cores e a constante de semente aleatória para gerar o conjunto de dados multirótulo.
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_multilabel_classification as make_ml_clf
COLORS = np.array(
[
"!",
"#FF3333", ## vermelho
"#0198E1", ## azul
"#BF5FFF", ## roxo
"#FCD116", ## amarelo
"#FF7216", ## laranja
"#4DBD33", ## verde
"#87421F", ## marrom
]
)
## Utilize a mesma semente aleatória para múltiplas chamadas a make_multilabel_classification para garantir as mesmas distribuições
RANDOM_SEED = np.random.randint(2**10)
Definir a Função de Plotagem
Em seguida, definimos uma função plot_2d que plota o conjunto de dados multirótulo gerado aleatoriamente. Ela recebe três argumentos: n_labels, n_classes e length.
def plot_2d(ax, n_labels=1, n_classes=3, length=50):
X, Y, p_c, p_w_c = make_ml_clf(
n_samples=150,
n_features=2,
n_classes=n_classes,
n_labels=n_labels,
length=length,
allow_unlabeled=False,
return_distributions=True,
random_state=RANDOM_SEED,
)
ax.scatter(
X[:, 0], X[:, 1], color=COLORS.take((Y * [1, 2, 4]).sum(axis=1)), marker="."
)
ax.scatter(
p_w_c[0] * length,
p_w_c[1] * length,
marker="*",
linewidth=0.5,
edgecolor="black",
s=20 + 1500 * p_c**2,
color=COLORS.take([1, 2, 4]),
)
ax.set_xlabel("Contagem da Característica 0")
return p_c, p_w_c
Esta função gera o conjunto de dados utilizando a função make_multilabel_classification com os parâmetros especificados. Em seguida, plota o conjunto de dados usando a função scatter da biblioteca Matplotlib. A função retorna as probabilidades de classe e as probabilidades de características.
Plotar o Conjunto de Dados
Agora, plotamos o conjunto de dados multirótulo gerado aleatoriamente usando a função plot_2d. Criamos uma figura com dois subplots e chamamos a função plot_2d para cada subplot com diferentes valores de parâmetro.
_, (ax1, ax2) = plt.subplots(1, 2, sharex="row", sharey="row", figsize=(8, 4))
plt.subplots_adjust(bottom=0.15)
p_c, p_w_c = plot_2d(ax1, n_labels=1)
ax1.set_title("n_labels=1, length=50")
ax1.set_ylabel("Contagem da Característica 1")
plot_2d(ax2, n_labels=3)
ax2.set_title("n_labels=3, length=50")
ax2.set_xlim(left=0, auto=True)
ax2.set_ylim(bottom=0, auto=True)
plt.show()
Imprimir as Probabilidades de Classe e de Característica
Finalmente, imprimimos as probabilidades de classe e de característica para cada classe utilizando as probabilidades de classe e de característica retornadas pela função plot_2d.
print("Os dados foram gerados de (random_state=%d):" % RANDOM_SEED)
print("Classe", "P(C)", "P(w0|C)", "P(w1|C)", sep="\t")
for k, p, p_w in zip(["red", "blue", "yellow"], p_c, p_w_c.T):
print("%s\t%0.2f\t%0.2f\t%0.2f" % (k, p, p_w[0], p_w[1]))
Resumo
Neste laboratório, aprendemos a gerar um conjunto de dados multirótulo utilizando a função make_multilabel_classification da biblioteca Scikit-Learn. Também aprendemos a plotar o conjunto de dados e a imprimir as probabilidades de classe e de característica.