TensorFlow机器学习实战
前期准备
第一章 Python 机器学习入门之绘图
前言
拖拖拉拉很久都没学机器学习,一开始混了pytorch一段时间,也什么都没看明白,英文的教程看看,中文的看看,速成的也看了几个,最后还是小白一枚,什么也不懂,只能从头再来。果然ddl是第一生产力!写的文章没什么含金量,就是记录学习过程中写的部分代码和问题。
一、matplotlib
matplotlib是用于辅助画图的库
二、使用步骤
1.引入库
import numpy as np
import tensorflow as tf
import matplotlib.pyplot as plt
2.读入数据
# 加载数据集 设置数据集分割为0,即全部作为测试集
# 数据集从Keras的API接口中下载,保存在c盘用户文件夹的Keras.datasets文件内,后缀是.npz
boston_housing = tf.keras.datasets.boston_housing
(train_x, train_y), (_, _)=boston_housing.load_data(test_split=0)
3.测试代码
# 全局设置中文属性,格式是黑体,设置坐标轴能够正常显示负数坐标轴
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 绘制价格与房间的关系散点图
plt.figure(figsize=(5, 5))
plt.scatter(train_x[:, 5], train_y)
plt.xlabel('Rm')
plt.ylabel("Price($1000's')")
plt.title("5,Rm-Price")
plt.show()
# 绘制13个属性的散点图
plt.figure(figsize=(12, 12))
# 属性名称
title = ["CRIM", "ZN", "INDUS", "CHAS", "NOX", "RM", "AGE", "DIS", "RAD", "TAX", "PTRATIO", "B-1000", "LSTAT", "MEDV"]
for i in range(13):
# 子图组成
plt.subplot(4, 4, (i+1))
plt.scatter(train_x[:, i], train_y)
# 子图横纵坐标和子标题
plt.xlabel(title[i + 1])
plt.ylabel("Price($1000's')")
# plt.title(str(i+1)+"."+title[i]+" - Price")
plt.tight_layout()
plt.suptitle("各个属性与房价的关系", x=-0.2, y=-1.03, fontsize=20)
plt.show()
总结
结果是绘制了两个图波士顿房价数据集中所有属性与房价的关系
加油!