02-02学习--鸢尾花分类原始模型

scatter() 方法语法格式如下：

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

参数说明：

x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。

s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。

c：点的颜色，默认蓝色 'b'，也可以是个 RGB 或 RGBA 二维行数组。

marker：点的样式，默认小圆圈 'o'。

cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。

norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。

vmin，vmax：：亮度设置，在 norm 参数存在时会忽略。

alpha：：透明度设置，0-1 之间，默认 None，即不透明。

linewidths：：标记点的长度。

edgecolors：：颜色或颜色序列，默认为 'face'，可选值有 'face', 'none', None。

plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。

**kwargs：：其他参数。

np.random.RandomState是NumPy库中的一个类，它用于生成伪随机数。这个类允许你通过设定随机种子来控制随机数生成器的输出，以便在不同的运行之间获得可重复的结果。

要使用np.random.RandomState，你需要先创建一个实例，然后调用该实例的方法来生成随机数。例如：

python复制代码

	import numpy as np
	# 创建一个RandomState实例，种子设为42
	rs = np.random.RandomState(42)
	# 生成一个0到1之间的随机浮点数
	random_float = rs.random_sample()
	print(random_float)
	# 生成一个5x5的随机整数数组，范围在0到100
	random_array = rs.randint(0, 100, size=(5, 5))
	print(random_array)

在这个例子中，由于我们设置了种子为42，所以每次运行这段代码时生成的随机数和数组都是相同的。如果不设置种子，那么每次运行时生成的随机数都会不同。

np.random.RandomState.normal是一个方法，它用于从正态分布中抽取随机样本。

它的使用方式如下：

rs.normal(loc=0.0, scale=1.0, size=None)

这里的loc是正态分布的平均值，scale是正态分布的标准差。它们都是浮点数或者可以广播为浮点数的数组。size参数是可选的，如果给定，它将决定返回的样本的大小。如果size是None（默认），并且loc和scale都是标量，那么将返回一个单一的随机样本。否则，将返回np.broadcast(loc, scale).size个样本。

例如，你可以生成一个大小为3x3，平均值为0，标准差为1的正态分布随机数组：

python复制代码

	random_array = rs.normal(loc=0.0, scale=1.0, size=(3, 3))
	print(random_array)

这会生成一个3x3的二维数组，每个元素都来自均值为0，标准差为1的正态分布。

numpy .dot 是一个用于计算两个数组的点积的函数。它有两种形式：numpy.dot(a, b) 和 a.dot(b)。在这个上下文中，a 和 b 是数组。

例如：

python复制代码

	import numpy as np
	a = np.array([1, 2, 3])
	b = np.array([4, 5, 6])
	print(np.dot(a, b)) # 输出32

这里，np.dot(a, b)计算了 a 和 b 的点积。

如果 a 和 b 是二维数组，np.dot(a, b) 会计算它们的矩阵乘积：

python复制代码

	import numpy as np
	a = np.array([[1, 2], [3, 4]])
	b = np.array([[5, 6], [7, 8]])
	print(np.dot(a, b))
	# 输出：
	# [[19 22]
	# [43 50]]

这里，np.dot(a, b)计算了 a 和 b 的矩阵乘积。

.plot 是一个常见的函数，通常用于在 Python 中绘制数据。这个函数主要在 matplotlib, pandas, seaborn 等数据分析库中使用。例如，如果你有一个 pandas DataFrame 并且想要绘制它的前两个列，你可以这样做：

python复制代码

	import pandas as pd
	import matplotlib.pyplot as plt
	df = pd.DataFrame({
	'A': [1, 2, 3, 4, 5],
	'B': [2, 3, 5, 7, 11],
	'C': [5, 3, 2, 1, 0]
	})
	df.plot(x='A', y=['B', 'C'])
	plt.show()

在这个例子中，.plot() 函数绘制了 DataFrame 中 'A' 列和 'B'、'C' 两列的散点图。这就是 .plot 函数的基本用法。

plt.plot 是 matplotlib 库中用于绘制线图的函数。以下是 plt.plot 的一些常用参数：

• x：x轴的数据，可以是一个列表或数组。
• y：y轴的数据，可以是一个列表或数组。
• color：线条的颜色，可以是字符串、元组或RGBA值。例如，红色可以表示为 'red'、绿色为 'green'、蓝色为 'blue'等。RGB元组(0, 0, 1)表示蓝色，RGBA元组(0, 1, 0, 0.5)表示半透明的绿色。
• linewidth：线条的宽度，可以是一个浮点数。例如，2.5表示线条宽度为2.5。
• marker：点的形状，例如 '.': 小圆点, ',': 像素点 'o': 实心圆 'v': 垂直三角形 '^': 正三角形 '<': 左三角形 '>': 右三角形 '1': 向下平行竖线 '2': 向上平行竖线 '3': 向左平行横线 '4': 向右平行横线 's': 正方形 'p': 五边形 '*': 星号 'h': 六边形1 'H': 六边形2 '+': 加号 'x': X号 'd': 小菱形 'D': 大菱形 '|': 竖线 '_': 横线。
• markersize：标记的大小，可以是一个浮点数。例如，7.5表示标记的大小为7.5。
• label：线条的标签，可以在图例中显示。
• solid_capstyle、dash_capstyle、dash_joinstyle：这些参数可以用来定制线的端点和连接点的样式。

这只是 plt.plot 的一部分参数，还有许多其他参数可以用来定制图形的样式和功能。完整的参数列表可以在 matplotlib 的官方文档中找到。