回归任务结果可视化（含示例）

最新推荐文章于 2025-06-23 11:24:19 发布

爱学习的贝塔

最新推荐文章于 2025-06-23 11:24:19 发布

阅读量2k

点赞数

CC 4.0 BY-SA版权

分类专栏： # matplotlib 文章标签： python matplotlib 机器学习回归

本文链接：https://blog.csdn.net/qq_38048756/article/details/118440958

matplotlib 专栏收录该内容

11 篇文章

订阅专栏

本文探讨了如何有效地在一张图中展示回归任务中的真值、预测值和误差，通过散点图与直方图结合，并举例使用Python Matplotlib实现。还提及了森林图和折线图的应用，以及代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

对于回归任务的误差展示方式，提供一个自己的作图示例。

回归任务最终我们有真值、预测值、误差值，如果想把这些结果以图的形式展示出来，直接在一张图上，我还没找到一个好的展现形式，我想到的是，用两个图去展示这些结果，类似下面这种：
在这里插入图片描述
图的左半部分为散点图，展示真实值与预测值；图的右侧为直方图，展示误差。

我还见到一些用森林图来展示的（目前还没用过），以及用折线图展示（我觉得折线图对于横轴有连贯关系的可以，向上面那种用折线图感觉不合适），这些后面如果用到再进行补充吧。

上面那种形式的代码如下：

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots(nrows=1, ncols=2)

ax[0].scatter(list(range(8)), [0, 0, -5, 0.083834968, 0.083834968, 0.046679761, 0, 0], marker='x', s=50)
ax[0].scatter(list(range(8)),
              [-0.044304427, -0.055897386, -4.709306038, 0.300752527, 0.307069213, 0.211004726, 1.0708309,
               -1.748374749], marker='+')
ax[1].bar(list(range(8)),
          [0.044304427, 0.055897386, 0.290693962, 0.216917559, 0.223234244, 0.164324965, 1.0708309, 1.748374749])
ticks = np.arange(0, 8, 1)
labels = ['x', 'y', 'z',  r'$\beta_x$', r'$\beta_y$', r'$\beta_z$', 'pitch', 'roll']
ax[0].set_xticks(ticks)
ax[0].set_xticklabels(labels, rotation=30)
ax[1].set_xticks(ticks)
ax[1].set_xticklabels(labels, rotation=30)
ax[0].legend(['True', 'predicted'])
ax[0].set_title('result')
ax[1].set_title('error')
plt.show()