Maschinelles Lernen - Streudiagramm

Streudiagramm (Scatter Plot)

Ein Streudiagramm ist ein Diagramm, bei dem jeder Wert im Datensatz durch einen Punkt dargestellt wird.


Das Matplotlib-Modul hat eine Methode zum Zeichnen von Streudiagrammen, die zwei gleich lange Arrays erfordert, eines für die x-Achsenwerte und eines für die y-Achsenwerte:

x = [5,7,8,7,2,17,2,9,4,11,12,9,6]
y = [99,86,87,88,111,86,103,87,94,78,77,85,86]

Das x-Array repräsentiert das Alter jedes Autos.

Das y-Array stellt die Geschwindigkeit jedes Autos dar.

Beispiel

Bitte verwenden Sie scatter() Methode zum Zeichnen von Streudiagrammen:

import matplotlib.pyplot as plt
x = [5,7,8,7,2,17,2,9,4,11,12,9,6]
y = [99,86,87,88,111,86,103,87,94,78,77,85,86]
plt.scatter(x, y)
plt.show()

Ergebnis:


Laufendes Beispiel

Scatter-Diagramm Erklärung

Der x-Achse entspricht dem Alter des Autos, der y-Achse entspricht der Geschwindigkeit.

Von dem Diagramm ist zu sehen, dass beide schnellsten Autos 2 Jahre verwendet haben, das langsamste Auto hat 12 Jahre verwendet.

Anmerkung:Es scheint, dass Autos schneller gefahren werden, je neuer sie sind, aber das könnte ein Zufall sein, schließlich haben wir nur 13 Autos registriert.

Zufällige Datenverteilung

In der maschinellen Lernung können Datensätze Tausende oder Millionen von Werten enthalten.

Wenn Sie Algorithmen testen, haben Sie möglicherweise keine echten Daten und müssen möglicherweise zufällig generierte Werte verwenden.

Wie wir im letzten Kapitel gelernt haben, kann das NumPy-Modul uns helfen!

Lassen Sie uns zwei Arrays erstellen, die beide mit 1000 zufälligen Zahlen aus der normalen Datenverteilung gefüllt sind.

Der Durchschnittswert des ersten Arrays ist auf 5.0 und die Standardabweichung auf 1.0 gesetzt.

Der Durchschnittswert des zweiten Arrays ist auf 10.0 und die Standardabweichung auf 2.0 gesetzt:

Beispiel

Scatter-Diagramm mit 1000 Punkten:

import numpy
import matplotlib.pyplot as plt
x = numpy.random.normal(5.0, 1.0, 1000)
y = numpy.random.normal(10.0, 2.0, 1000)
plt.scatter(x, y)
plt.show()

Ergebnis:


Laufendes Beispiel

Scatter-Diagramm Erklärung

Wir können sehen, dass die Punkte sich um die Werte 5 auf der x-Achse und 10 auf der y-Achse konzentrieren.

Wir können sehen, dass sich die Verbreitung auf der y-Achse größer als auf der x-Achse erstreckt.