(matplotlib)画包含三个不同数据集（训练集、验证集和测试集）的真实值和预测值散点图

☆ 问题描述

代码生成一个散点图，其中包含三个不同数据集（训练集、验证集和测试集）的真实值和预测值。它还包括每个数据集的平均绝对误差 （MAE）、均方误差 （MSE） 和 R^2 分数指标。数据集通过不同的颜色进行区分（橙色表示训练，蓝色表示验证，红色表示测试集）。

★ 解决方案

import matplotlib.pyplot as plt
from sklearn.metrics import mean_absolute_error, mean_squared_error, r2_score


def plot_scatter(true_values, predicted_values, dataset_name, color):
    plt.scatter(true_values, predicted_values, alpha=0.5, label=dataset_name, color=color)


def add_metrics_to_plot(ax, true_values, predicted_values, dataset_name, position, color):
    mae = mean_absolute_error(true_values, predicted_values)
    mse = mean_squared_error(true_values, predicted_values)
    r2 = r2_score(true_values, predicted_values)

    textstr = '\n'.join((
        f'{dataset_name} Metrics:',
        f'MAE: {mae:.2f}',
        f'MSE: {mse:.2f}',
        f'R^2: {r2:.2f}'))

    props = dict(boxstyle='round', facecolor=color, alpha=0.5)

    ax.text(position[0], position[1], textstr, transform=ax.transAxes, fontsize=10,
            verticalalignment='top', bbox=props)


# 示例用法：
# 假设你有三个数据集的真实标签和预测结果
train_true_values = [1, 2, 3, 4, 5]
train_predicted_values = [1.1, 2.2, 2.8, 3.7, 4.5]

val_true_values = [2, 3, 4, 5, 6]
val_predicted_values = [2.3, 3.5, 4.2, 5.0, 6.1]

test_true_values = [3, 4, 5, 6, 7]
test_predicted_values = [3.2, 4.1, 5.3, 6.4, 7.2]

# 定义RGB颜色
train_color = (1.0, 0.647, 0.412)  # 橘色
val_color = (0, 0.749, 1.0)  # 蓝色
test_color = (1.0, 0, 0)  # 红色

# 创建散点图
plt.figure(figsize=(10, 6))
plot_scatter(train_true_values, train_predicted_values, 'Training Set', color=train_color)
plot_scatter(val_true_values, val_predicted_values, 'Validation Set', color=val_color)
plot_scatter(test_true_values, test_predicted_values, 'Test Set', color=test_color)

# 添加指标信息
add_metrics_to_plot(plt.gca(), train_true_values, train_predicted_values, 'Training Set', position=(0.05, 0.75),
                    color=train_color)
add_metrics_to_plot(plt.gca(), val_true_values, val_predicted_values, 'Validation Set', position=(0.05, 0.5),
                    color=val_color)
add_metrics_to_plot(plt.gca(), test_true_values, test_predicted_values, 'Test Set', position=(0.05, 0.25),
                    color=test_color)

# 添加图例
plt.legend(loc='upper left', bbox_to_anchor=(1, 1))

# 添加标题和坐标轴标签
plt.title('Difference Scatter Plot - All Sets')
plt.xlabel('True Values')
plt.ylabel('Predicted Values')

# 显示网格
plt.grid(True)

# 显示图形
plt.show()

✅ 总结