matplotlib numpy sklearn常用的函数

 matplotlib

plt.rcParams['axes.labelsize'] = 14
plt.rcParams['xtick.labelsize'] = 12
plt.rcParams['ytick.labelsize'] = 12

• plt.rcParams['axes.labelsize'] = 14：设置图表的坐标轴标签的字体大小为14。
• plt.rcParams['xtick.labelsize'] = 12：设置图表的X轴刻度标签的字体大小为12。
• plt.rcParams['ytick.labelsize'] = 12：设置图表的Y轴刻度标签的字体大小为12。

import warnings
warnings.filterwarnings('ignore')

• warnings.filterwarnings('ignore')：忽略警告，即不显示警告信息。

 Numpy

np.random.seed(42)

 np.random.seed(42) 指定了随机数生成器的种子为 42。种子是一个起始值，它确定了随机数生成器将生成的随机数序列。

种子的作用在于当使用相同的种子时，每次运行生成的随机数序列都是一样的。这在需要重现实验结果或确保随机性一致性的情况下非常有用。我们可以确保每次运行时产生的随机数都是相同的，从而有助于比较和调试

shuffle_index = np.random.permutation(60000)
X_train, y_train = X_train[shuffle_index], y_train[shuffle_index]

 使用了 NumPy 的 random.permutation() 函数来对 X_train 和 y_train 进行重排列（随机打乱顺序）。

• shuffle_index = np.random.permutation(60000)：创建一个形状为 (60000,) 的随机排列数组 shuffle_index，其中包含了从 0 到 59999 的随机排列的整数。
• X_train[shuffle_index]：使用 shuffle_index 数组中的索引，对 X_train 数组进行重排列操作。这将返回一个新的数组，其中包含了 X_train 数组按照 shuffle_index 的顺序重新排列后的值。即，原来的 X_train 数组中的行将按照 shuffle_index 中的顺序重新排列。
• y_train[shuffle_index]：与上一步类似，对 y_train 数组进行重排列操作。

sklearn

from sklearn.datasets import fetch_openml
mnist = fetch_openml('mnist_784', parser = 'auto')

 Fetch dataset from openml by name or dataset id.  通过名字和数据集id从openml 获取数据集