Awesome GitHub RepositoriesMachine Learning Visualization Libraries

Yellowbrick es una librería de visualización de machine learning y herramienta de diagnóstico de modelos diseñada para analizar la importancia de las características, distribuciones objetivo y métricas de error del modelo. Sirve como un kit de herramientas visual para diagnosticar el subajuste (underfitting) y sobreajuste (overfitting) mediante el uso de curvas de validación y aprendizaje. El proyecto proporciona suites especializadas para evaluar modelos predictivos y aprendizaje no supervisado. Permite la determinación de conteos de clústeres óptimos mediante métodos de codo y coeficientes de silueta, y evalúa la calidad de clasificadores y regresores a través de curvas ROC, matrices de confusión y gráficos de residuos. La librería cubre varias áreas de capacidad de alto nivel, incluyendo análisis de ingeniería de características para identificar variables predictivas, ajuste de hiperparámetros para ajustar la complejidad del modelo y diagnóstico de errores de regresión para identificar puntos de datos influyentes. También incluye herramientas para proyección de aprendizaje de variedades (manifold learning) para visualizar datos de alta dimensión y corpus de texto. La herramienta se integra con la API de Scikit-Learn para consumir métodos estándar de fit y predict.