小白_从0开始_机器学习(1)_初识_Numpy/matplotlib_绘制鸢尾花数据集图像

最新推荐文章于 2022-10-21 14:22:24 发布

夏木_湫

最新推荐文章于 2022-10-21 14:22:24 发布

阅读量321

点赞数 1

分类专栏：机器学习

本文链接：https://blog.csdn.net/FRANK48691/article/details/106205843

版权

机器学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

前置知识

–前置知识
Numpy：Python的一个科学计算包
matplotlib：Python2d绘图库
高等数学，线性代数，统计学

Numpy

# numpy
import numpy as np
np.__version__ # 查看numpy版本

创建一个numpy

// An highlighted block
var foo = 'bar';

narray = np.array([i for i in range(10)])

判断一个对象类型

type(narray)
narray.dtype

# 第三种创建numpy
x = np.arange(10)
x # 一维数组向量

# 二维数组矩阵 # 值为-1时，不用关心第二个参数是什么
x = x.reshape(2,5)

x.ndim #维度
x.size # 元素个数
x.shape # 矩阵形状

ndarray 数据访问

x[-1]

在这里插入图片描述

x[-1][0]

在这里插入图片描述

# x[行切片：列切片]
x[0:,1:4]

在这里插入图片描述

矩阵运算

x+1 #矩阵中每个数都加一

np.sin(x)

matplotlib

# 导入库
from  matplotlib import pyplot as plt 
import numpy as np

# 构造数据
x = [i for i in range (0,17,4)]
y=x

plt.plot(x,y)
plt.show()

在这里插入图片描述

绘制散点图

# 均值为0 方差为1 正态分布数据
x = np.random.normal(0,1,1000000)
y = np.random.normal(0,1,1000000)

plt.scatter(x,y,alpha= 0.1) #
plt.show()

在这里插入图片描述

将sklearn数据可视化

#导入sklean
from sklearn import datasets

# 加载数据
iris = datasets.load_iris()

iris.keys()

在这里插入图片描述

iris.feature_names

在这里插入图片描述

iris.target

在这里插入图片描述

iris.target_names

在这里插入图片描述

iris.data.shape
X= iris.data[:,0:2]
Y= iris.target
plt.scatter(X[:,0],X[:,1])

在这里插入图片描述

bool索引

X[Y==0][:,0]#萼片维度huizhi
plt.scatter(X[Y==0][:,0],X[Y==0][:,1],color='r')
plt.scatter(X[Y==1][:,0],X[Y==1][:,1],color='b')
plt.scatter(X[Y==2][:,0],X[Y==2][:,1],color='g')
plt.show()

在这里插入图片描述

X=iris.data[:,2:]# 花瓣维度绘制
plt.scatter(X[Y==0][:,0],X[Y==0][:,1],color='r',marker="+")
plt.scatter(X[Y==1][:,0],X[Y==1][:,1],color='b',marker="o")
plt.scatter(X[Y==2][:,0],X[Y==2][:,1],color='g',marker="x")
plt.show()