DM11---数据可视化[图片数字]

  1. 基于TSNE可视化
    例子01:
import matplotlib
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
from sklearn.decomposition import PCA
from sklearn.manifold import TSNE

train_df = pd.read_csv("../data/d_train.csv")
valid_df = pd.read_csv("../data/d_test.csv")

X = train_df.loc[0:5000, 'pixel0':'pixel783']
y = train_df.label

print(train_df.shape)

print('pca...')
pca = PCA(n_components=30)
X_pca = pca.fit_transform(X)

print('tsne...')
tsne = TSNE()
X_tsne = tsne.fit_transform(X_pca[:5000])
matplotlib.rcParams['figure.figsize'] = (10.0, 10.0)
proj = pd.DataFrame(X_tsne)
proj.columns = ['comp_1', 'comp_2']
proj['labels'] = y
print('lmplot...')
sns.lmplot("comp_1", "comp_2", hue="labels", data=proj.sample(2000), fit_reg=False)
plt.title('Digit Distribution')
plt.show()

可视化显示:
这里写图片描述
例子2:
import matplotlib.pyplot as plt
import pandas as pd
train_df = pd.read_csv(“../data/d_train.csv”)
valid_df = pd.read_csv(“../data/d_test.csv”)

X = train_df.loc[0:5, ‘pixel0’:’pixel783’]
X = X / 255.0
X = X.values.reshape(-1, 28, 28, 1)

fig = plt.figure()
ax = fig.add_subplot(221)
ax.imshow(X[0][:, :, 0])
ax = fig.add_subplot(222)
ax.imshow(X[1][:, :, 0])
ax = fig.add_subplot(223)
ax.imshow(X[2][:, :, 0])
ax = fig.add_subplot(224)
ax.imshow(X[3][:, :, 0])

plt.show()
这里写图片描述

参考:
https://www.kaggle.com/yassineghouzam/introduction-to-cnn-keras-0-997-top-6

对于曲线的一些附加教程:
http://blog.csdn.net/cheng9981/article/details/60583273

sns参考:
https://zhuanlan.zhihu.com/p/27435863

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值