oguzhari · June 27, 2022 09:31
diff --git a/main-feature-w.py b/main-feature-w.py
 #Algoritma Bazlı Öznitelik Ağırlıkları
 #Sadece bir algoritma için hesaplayacağım ancak diğer algoritmalar için görselleştirme adına nasıl yapmanız gerektiğini de göstereceğim.

 plt=reload(plt)
 agirliklar = lr.coef_[0].tolist()   # <-- Burası, Linear Algoritmalar için farklı, non-Linear algoritmalar için farklı. Aşağıdaki yorum satırını referans alabilirsiniz. 
 #predict = rfc.predict(X_test)
 x_label = [x for x in range(len(agirliklar))]
 #                clf  lr  ---> .coef_[0].tolist()  
 #dtc   rfc  gradient  xgb ---> feature_importances_.tolist()

 #dtc = Karar Ağacı  --> Karar
 #rfc = Rassal Orman  --> Rassal
 #gradient = Gradyan Arttırma --> Gradyan   
 #xgb = XGBoost   --> XGBoost
 #clf = Naive Bayes  --> Naive
 #lr = Logistik Regresyon --> Logistic

 plt.figure(figsize = (14,7))
 plt.bar(x_label,agirliklar)
 x_egrisi = ['duygu skoru', 'kelime sayısı', 'yıldız derecelendirmesi', 'fotoğraflı yorum']
 plt.xticks(x_label, x_egrisi)
 plt.title('Logistik Regresyon Öznitelik Ağırlıkları', fontsize = 20)  # <-- Farklı bir algoritmanın özniteliklerini alırken burayı değiştirmeyi unutmayın. 
 plt.xlabel('Öznitelik')
 plt.ylabel('Öznitelik ağırlığı')
 plt.xticks
 for x,y in zip([x for x in range(len(agirliklar))],agirliklar): #Görselin üstündeki metinleri düzeltme çabaları. 
    label = "{:.2f}".format(y)
    plt.annotate(label, # this is the text
                 (x,y), # these are the coordinates to position the label
                 textcoords="offset points", # how to position the text
                 xytext=(0,-13), # distance from text to points (x,y)
                 ha='center')

 plt.savefig('fig/Logistik Regresyon Ağırlık',dpi=600)  # <-- Farklı bir algoritmanın özniteliklerini alırken burayı değiştirmeyi unutmayın.
	#Algoritma Bazlı Öznitelik Ağırlıkları
	#Sadece bir algoritma için hesaplayacağım ancak diğer algoritmalar için görselleştirme adına nasıl yapmanız gerektiğini de göstereceğim.

	plt=reload(plt)
	agirliklar = lr.coef_[0].tolist() # <-- Burası, Linear Algoritmalar için farklı, non-Linear algoritmalar için farklı. Aşağıdaki yorum satırını referans alabilirsiniz.
	#predict = rfc.predict(X_test)
	x_label = [x for x in range(len(agirliklar))]
	# clf lr ---> .coef_[0].tolist()
	#dtc rfc gradient xgb ---> feature_importances_.tolist()

	#dtc = Karar Ağacı --> Karar
	#rfc = Rassal Orman --> Rassal
	#gradient = Gradyan Arttırma --> Gradyan
	#xgb = XGBoost --> XGBoost
	#clf = Naive Bayes --> Naive
	#lr = Logistik Regresyon --> Logistic

	plt.figure(figsize = (14,7))
	plt.bar(x_label,agirliklar)
	x_egrisi = ['duygu skoru', 'kelime sayısı', 'yıldız derecelendirmesi', 'fotoğraflı yorum']
	plt.xticks(x_label, x_egrisi)
	plt.title('Logistik Regresyon Öznitelik Ağırlıkları', fontsize = 20) # <-- Farklı bir algoritmanın özniteliklerini alırken burayı değiştirmeyi unutmayın.
	plt.xlabel('Öznitelik')
	plt.ylabel('Öznitelik ağırlığı')
	plt.xticks
	for x,y in zip([x for x in range(len(agirliklar))],agirliklar): #Görselin üstündeki metinleri düzeltme çabaları.
	label = "{:.2f}".format(y)
	plt.annotate(label, # this is the text
	(x,y), # these are the coordinates to position the label
	textcoords="offset points", # how to position the text
	xytext=(0,-13), # distance from text to points (x,y)
	ha='center')

	plt.savefig('fig/Logistik Regresyon Ağırlık',dpi=600) # <-- Farklı bir algoritmanın özniteliklerini alırken burayı değiştirmeyi unutmayın.
No results found