可视化
文章平均质量分 83
常见可视化方法
博士僧小星
985博士研究生
展开
-
人工智能|编程语言——基于python的网络爬虫爬取天气数据及可视化分析(Matplotlib、sklearn等)
在文中,我们旨在利用爬取的历史天气数据进行可视化分析。首先,我们选择了一个可靠的数据源,并使用Python编程语言和BeautifulSoup库实现了数据的爬取。接着,我们对原始数据进行了清洗和处理,包括缺失值的处理和数据格式转换。然后,我们采用了Matplotlib可视化工具,设计了多种图表类型,如折线图、柱状图和热力图,以展示历史天气数据的趋势和变化。通过分析结果,我们发现了不同时间段内温度、天气状况等指标的变化情况,并与历史数据进行了比较。原创 2024-05-16 12:12:27 · 1006 阅读 · 0 评论 -
人工智能|深度学习——PlotNeuralNet简单教程
是一个强大的开源Python库,它专为简化和美化神经网络图的绘制而设计。原创 2024-05-10 23:33:07 · 1121 阅读 · 0 评论 -
人工智能|机器学习——强大的 Scikit-learn 可视化让模型说话
使用 utils.discovery.all_displays 查找可用的 API。Sklearn 的可以让你看到哪些类可以使用。Scikit-learn (sklearn) 总是会在新版本中添加 "Display "API,因此这里可以了解你的版本中有哪些可用的 API。原创 2024-05-07 23:14:04 · 1121 阅读 · 1 评论 -
科研学习|可视化——ggplot2版本的网络可视化
ggplot2是R语言中一个非常流行的数据可视化包,它也可以用于网络可视化。: 这个包的使用方法与传统的plot函数相似,易于使用。更多信息可在其官方页面查看:ggnet2: 这个包在ggplot2中增加了geom_net层,可以使用数据框作为输入,并且可以与Plotly交互,从而支持交互式图形。有关更多信息,请访问:geomnet on GitHub 和 geomnet on CRAN(首选): 这个包是三者中最灵活的,特别适合动态网络的可视化。它结合了ggplot2的优雅语法和网络数据的处理能力。原创 2024-05-07 22:52:03 · 1221 阅读 · 0 评论 -
科研学习|研究方法——小波相干分析在时间序列分析中的应用
在某些情况下,两个时间序列中的共同行为是由一个时间序列驱动或影响另一个时间序列引起的,对于联合平稳时间序列,用于表征时间或频率相关行为的方法通常是互相关、(傅立叶)互谱和相干性。然而,时间序列通常是非平稳的,即它们的频率内容会随着时间而变化,对于这些时间序列,重要的是时频平面中的相关性或相干性。因此可以使用小波相干性来检测非平稳信号中常见的时间局部振荡,且在将一个时间序列视为影响另一个时间序列的情况下,可以使用小波交叉谱的相位来识别两个时间序列之间的相对滞后。原创 2024-04-28 16:03:34 · 1363 阅读 · 1 评论 -
人工智能|机器学习——基于机器学习的信用卡办卡意愿模型预测项目
通过本项目,我们使用了机器学习模型预测了客户的信用卡办卡意愿,并通过Django实现了数据的可视化展示。这使得银行和金融机构能够更好地理解客户行为模式,并做出相应的业务决策。原创 2024-04-13 22:12:09 · 831 阅读 · 1 评论 -
科研学习|可视化——Origin绘制相关性系数矩阵
Origin2021版本。原创 2024-04-12 23:19:42 · 2338 阅读 · 0 评论 -
科研学习|可视化——相关性结果的可视化
常用于度量两个或多个变量之间相关程度的有:如何把这些关联特征表达得更易于理解,那就需要借助将的方法了。在平时的论文阅读中我们经常看到有关相关性分析的内容,作者们根据自己的表达需求,也向我们展示了五花八门的绘图样式,比如:散点图、拟合线、相关矩阵(热力图)、相关性空间分布图等。接下来详细向大家介绍这些图表的特点。原创 2024-04-11 22:44:56 · 3771 阅读 · 1 评论