☆ 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()