EX3机器学习

最新推荐文章于 2024-07-12 16:16:27 发布

✨Ringo

最新推荐文章于 2024-07-12 16:16:27 发布

阅读量168

点赞数

分类专栏：机器学习学习 python 文章标签： python

本文链接：https://blog.csdn.net/weixin_43890663/article/details/117418020

版权

导入数据

.mat文件在使用python加载时，我们需要使用一个SciPy工具。输出如下
在这里插入图片描述

X的维度为400，是20*20像素的图像，400个特征表示每个像素灰度强度

数据可视化

随机展示10个数据

sample_idx=np.random.choice(np.arange(data['X'].shape[0]),100)#在5000个数据中随机选取100个
sample_images=data['X'][sample_idx,:]#所选数据的全部特征

fig,ax_array = plt.subplots(nrows=10,ncols=10,sharey=True,sharex=True,figsize=(12,12))
for r in range(10):
    for c in range(10):
        ax_array[r,c].matshow(np.array(sample_images[10*r+c].reshape((20,20))).T,cmap=matplotlib.cm.binary)
        plt.xticks(np.array([]))#用于设置每个小区域坐标轴刻度，设置为空，则不显示刻度
        plt.yticks(np.array([]))

matplotlib.pyplot.matshow()画图，是一个把矩阵或者数组绘制成图像的函数

matplotlib.cm.binary二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色

ax_array[r,c].matshow(np.array(sample_images[10r+c].reshape((20,20))).T#画出随机选出的100个数据，将他们转化为2020的矩阵，（不转置的图像貌似是倒的）