半监督随机森林模型图

### 半监督随机森林模型的图表与可视化 对于半监督随机森林模型而言，其可视化主要集中在如何展现模型的学习过程以及最终决策边界等方面。由于这类模型结合了少量标记数据和大量未标记数据来进行训练，在可视化上通常会关注以下几个方面： #### 数据分布与标签传播效果 可以通过散点图来表示原始特征空间内已知类别样本的位置及其对应的类别信息，并用不同颜色区分不同的类别。同时，还可以在同一张图中标记出那些被算法推测出来的未知类别样本位置，以此直观地看到标签是如何从少数几个初始点逐渐扩散至整个数据集的过程。 ```python import matplotlib.pyplot as plt from sklearn.semi_supervised import LabelSpreading from sklearn.datasets import make_circles # 创建模拟数据 X, y = make_circles(n_samples=500, shuffle=False) outer, inner = 0, 1 y_outer = np.full(250, -1, dtype=float) # 未知标签设为-1 y[y==-1] = outer; y[inner::2] = inner # 已知部分标签 labels = np.copy(y) # 应用Label Spreading label_spread = LabelSpreading(kernel='knn', alpha=0.8) label_spread.fit(X, labels) fig, ax = plt.subplots() colors = ['red' if label == outer else 'blue' for label in labels] ax.scatter(X[:, 0], X[:, 1], c=colors, marker='o') predicted_labels = label_spread.transduction_[labels == -1] colors.extend(['green' if pl==outer else 'purple' for pl in predicted_labels]) ax.scatter(X[(labels == -1), 0], X[(labels == -1), 1], c=colors[-len(predicted_labels):], marker='x') plt.title('Semi-supervised Random Forest Data Distribution and Label Propagation Effect') plt.show() ``` 此代码片段展示了如何使用`make_circles`函数生成环状分布的数据点，并通过`LabelSpreading`方法模拟标签传播的效果。红色圆圈代表一类已标注样本，蓝色圆圈代表另一类已标注样本，绿色叉号表示新推断的一类样本，紫色叉号表示新推断的另一类样本[^3]。 #### 决策树个体成员的重要性评分热力图 为了更好地理解单棵决策树在整个集成中的贡献程度，可以绘制每棵树针对各个输入变量的重要性的热力图。这不仅有助于评估哪些属性对预测结果影响最大，而且还能帮助检测是否存在过拟合现象。 ```python import seaborn as sns import pandas as pd from sklearn.ensemble import RandomForestClassifier # 假设有n_trees数量的决策树构成的随机森林 rf = RandomForestClassifier(random_state=42).fit(X_train, y_train) feature_importances_df = pd.DataFrame(rf.feature_importances_, index=X.columns, columns=['Importance']) sns.set(style="whitegrid") plt.figure(figsize=(10,7)) sns.barplot(x=feature_importances_df.index, y='Importance', data=feature_importances_df.sort_values(by='Importance')) plt.xticks(rotation=90) plt.title('Feature Importance Heatmap of Semi-Supervised Random Forest Trees Members') plt.tight_layout() plt.show() ``` 上述Python脚本创建了一个条形图，其中横坐标对应于各输入特征名称，纵坐标显示的是相应特征重要性得分。这种类型的图形可以帮助研究人员快速定位最具影响力的因子并据此调整参数设置或改进预处理流程。 #### 模型性能随迭代次数变化曲线 最后，当涉及到调参或者比较不同版本之间优劣的时候，画出一条或多条反映准确率、召回率或者其他评价指标随着训练轮次增加而波动的趋势线是非常有用的参考资料之一。这对于监控收敛速度、防止早停等问题都提供了重要的依据。 ```python from sklearn.metrics import accuracy_score train_accuracies = [] test_accuracies = [] for i in range(min_estimators, max_estimators + step_size, step_size): rf = RandomForestClassifier(n_estimators=i, random_state=42) rf.fit(X_train_labeled, y_train_labeled) train_pred = rf.predict(X_train_labeled) test_pred = rf.predict(X_test_unlabeled) train_accuracy = accuracy_score(y_train_labeled, train_pred) test_accuracy = accuracy_score(y_true_for_test_set, test_pred) train_accuracies.append(train_accuracy) test_accuracies.append(test_accuracy) plt.plot(range(min_estimators, max_estimators + step_size, step_size), train_accuracies, label='Train Accuracy') plt.plot(range(min_estimators, max_estimators + step_size, step_size), test_accuracies, label='Test Accuracy') plt.xlabel('Number of Estimators') plt.ylabel('Accuracy Score') plt.legend(loc='best') plt.title('Model Performance Over Iterations with Varying Number of Estimators') plt.grid(True) plt.show() ``` 这段代码实现了基于一定范围内改变估计器数目时测试集和验证集上的表现情况对比折线图。它能清晰反映出最佳配置区间所在的大致范围，进而指导后续实验设计方向的选择。