如何用Matplotlib绘制不同n-gram下Logistic Regression模型的准确率曲线

你的空白图表问题根源在于：当前代码只计算了单个准确率值，而plt.plot()需要至少两个数据点才能生成曲线。要实现按n-gram分组展示准确率的需求，你需要先收集1到5每个n-gram对应的准确率数据，再进行绘图。

步骤1：收集各n-gram的准确率数据 #

首先，循环遍历n=1到5，为每个n生成对应的TF-IDF特征，训练模型并通过K折交叉验证得到该n-gram下的平均准确率，将这些值存入列表：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score
import matplotlib.pyplot as plt

# 假设你的文本数据和标签已准备好，存放在X和y中
n_grams = [1, 2, 3, 4, 5]
accuracy_scores = []

for n in n_grams:
    # 生成对应n-gram的TF-IDF特征
    tfidf = TfidfVectorizer(ngram_range=(n, n))
    X_tfidf = tfidf.fit_transform(X)
    
    # 训练模型并做K折交叉验证（以5折为例）
    model = LogisticRegression()
    scores = cross_val_score(model, X_tfidf, y, cv=5, scoring='accuracy')
    mean_acc = scores.mean()
    accuracy_scores.append(mean_acc)
    print(f"{n}-gram 平均准确率: {mean_acc:.4f}")

步骤2：绘制准确率曲线 #

现在你有了n_grams（x轴数据）和accuracy_scores（y轴数据），可以用Matplotlib绘制带清晰标签的曲线：

plt.figure(figsize=(8, 5))
# 绘制曲线并添加标记点，方便查看每个n-gram的准确率
plt.plot(n_grams, accuracy_scores, marker='o', linewidth=2, color='b')

# 设置x轴显示对应的n-gram名称
plt.xticks(n_grams, ['1-gram', '2-gram', '3-gram', '4-gram', '5-gram'])

# 添加图表标题和轴标签
plt.title('不同n-gram特征下的模型准确率')
plt.xlabel('n-gram分组')
plt.ylabel('准确率')

# 可选：添加网格线提升可读性
plt.grid(alpha=0.3)

plt.show()

关键补充 #

• 如果你之前用的是单次训练测试（而非交叉验证），只需把循环内的cross_val_score替换为你的训练测试逻辑，确保每个n-gram对应一个准确率值存入accuracy_scores即可。
• 若你猜测的“n越大准确率越高”成立，曲线会呈现上升趋势；但实际中，当n过大时可能出现过拟合，曲线可能趋于平缓甚至下降。

内容的提问来源于stack exchange，提问作者peplem