快速入门Python机器学习(三)

简介: 快速入门Python机器学习(三)

三、基本绘图工具


1 引入包

# coding:utf-8
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt #pip3 install matplotlib
import seaborn as sns #pip3 install seaborn


1 折线图

def broken_line():
    s = pd.Series(np.random.randn(20).cumsum())
    s.plot(style='o-',xlim=[0,22],grid=True)
    plt.show()
    df = pd.DataFrame(np.random.randn(10,3).cumsum(0),
        columns = ['A','B','C'],
        index = np.arange(0,100,10))
    df.plot()
    plt.show()

image.png

image.png


2柱状图

def Histogram():
    flag,axes = plt.subplots(2,1)
    s = pd.Series(np.random.randn(10),index=list('ABCDEFGHIJ'))
    s.plot.bar(ax=axes[0])#纵向柱状图
    s.plot.barh(ax=axes[1])#横向柱状图
    plt.show()
    flag,axes = plt.subplots(2,1)
    df = pd.DataFrame(np.random.randn(6,3),
         index = list('abcdef'),
         columns = list('ABC'))                     
    df.plot.bar(ax=axes[0])
    df.plot.barh(ax=axes[1],stacked=True)#stacked=True表示生成堆积柱状图
    plt.show()

image.png

image.png


3 直方图 & 密度图

def density_map():
    flag,axes = plt.subplots(2,1)
    s = pd.Series(np.random.randn(100))
    s.plot.hist(ax=axes[0])#直方图
    s.plot.density(ax=axes[1])#密度图,C:\Users\xiang>pip3 install scipy
    plt.show()
    s = pd.Series(np.random.normal(0,1,100))
    sns.distplot(s,color='g')
    plt.show()

image.png

image.png


4 散点图

def scatter_diagram():
    df = pd.DataFrame(np.random.randn(100,3),
       columns = list('ABC'))
    sns.regplot('A','B',data=df) #散点图
    plt.show()
    sns.pairplot(df,diag_kind='kde')#散布图
    plt.show()

image.png

image.png


在人工智能领域,经常用折线来做回归的拟合线,用散点图来做分类图。

目录
相关文章
|
4天前
|
机器学习/深度学习 人工智能 算法
机器学习基础:使用Python和Scikit-learn入门
【10月更文挑战第12天】本文介绍了如何使用Python和Scikit-learn进行机器学习的基础知识和入门实践。首先概述了机器学习的基本概念,包括监督学习、无监督学习和强化学习。接着详细讲解了Python和Scikit-learn的安装、数据处理、模型训练和评估等步骤,并提供了代码示例。通过本文,读者可以掌握机器学习的基本流程,并为深入学习打下坚实基础。
11 1
|
5天前
|
机器学习/深度学习 API 计算机视觉
基于Python_opencv人脸录入、识别系统(应用dlib机器学习库)(下)
基于Python_opencv人脸录入、识别系统(应用dlib机器学习库)(下)
11 2
|
6天前
|
机器学习/深度学习 算法 Python
深度解析机器学习中过拟合与欠拟合现象:理解模型偏差背后的原因及其解决方案,附带Python示例代码助你轻松掌握平衡技巧
【10月更文挑战第10天】机器学习模型旨在从数据中学习规律并预测新数据。训练过程中常遇过拟合和欠拟合问题。过拟合指模型在训练集上表现优异但泛化能力差,欠拟合则指模型未能充分学习数据规律,两者均影响模型效果。解决方法包括正则化、增加训练数据和特征选择等。示例代码展示了如何使用Python和Scikit-learn进行线性回归建模,并观察不同情况下的表现。
54 3
|
5天前
|
机器学习/深度学习 存储 算法
基于Python_opencv人脸录入、识别系统(应用dlib机器学习库)(上)
基于Python_opencv人脸录入、识别系统(应用dlib机器学习库)(上)
14 1
|
6天前
|
机器学习/深度学习 人工智能 算法
机器学习基础:使用Python和Scikit-learn入门
本文介绍了如何使用Python和Scikit-learn进行机器学习的基础知识和实践。首先概述了机器学习的基本概念,包括监督学习、无监督学习和强化学习。接着详细讲解了Python和Scikit-learn的安装、数据处理、模型选择与训练、模型评估及交叉验证等关键步骤。通过本文,初学者可以快速上手并掌握机器学习的基本技能。
32 2
|
6天前
|
机器学习/深度学习 数据挖掘 Serverless
手把手教你全面评估机器学习模型性能:从选择正确评价指标到使用Python与Scikit-learn进行实战演练的详细指南
【10月更文挑战第10天】评估机器学习模型性能是开发流程的关键,涉及准确性、可解释性、运行速度等多方面考量。不同任务(如分类、回归)采用不同评价指标,如准确率、F1分数、MSE等。示例代码展示了使用Scikit-learn库评估逻辑回归模型的过程,包括数据准备、模型训练、性能评估及交叉验证。
19 1
|
9天前
|
数据采集 Web App开发 数据可视化
Python爬虫教程:Selenium可视化爬虫的快速入门
Python爬虫教程:Selenium可视化爬虫的快速入门
|
10天前
|
机器学习/深度学习 人工智能 数据挖掘
机器学习基础:使用Python和Scikit-learn入门
【10月更文挑战第6天】在人工智能领域,机器学习已成为核心技术。本文指导初学者使用Python与Scikit-learn入门机器学习,涵盖基本概念、环境搭建、数据处理、模型训练及评估等环节。Python因简洁性及其生态系统成为首选语言,而Scikit-learn则提供了丰富工具,简化数据挖掘与分析流程。通过实践示例,帮助读者快速掌握基础知识,为进一步深入研究奠定坚实基础。
19 4
|
7天前
|
机器学习/深度学习 人工智能 算法
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
玉米病害识别系统,本系统使用Python作为主要开发语言,通过收集了8种常见的玉米叶部病害图片数据集('矮花叶病', '健康', '灰斑病一般', '灰斑病严重', '锈病一般', '锈病严重', '叶斑病一般', '叶斑病严重'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。再使用Django搭建Web网页操作平台,实现用户上传一张玉米病害图片识别其名称。
20 0
【玉米病害识别】Python+卷积神经网络算法+人工智能+深度学习+计算机课设项目+TensorFlow+模型训练
|
18天前
|
机器学习/深度学习 并行计算 大数据
【Python篇】深入挖掘 Pandas:机器学习数据处理的高级技巧
【Python篇】深入挖掘 Pandas:机器学习数据处理的高级技巧
41 3