Machine Learning - Scatter Plot

Scatter Plot

Ang scatter plot ay isang laro na ang bawat halaga sa dataset ay hinaharap sa pamamagitan ng isang puntos.


May isang paraan sa Matplotlib module para sa pagpipinta ng scatter plot, kailangan ng dalawang array na may kaparehong haba, isa para sa halaga ng x-axis at isa para sa halaga ng y-axis:

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]

Ang x array ay naglalarawan ng taong kalalabasan ng bawat sasakyan.

Ang y array ay naglalarawan ng bilis ng bawat sasakyan.

Halimbawa

Gumamit ng: scatter() Para sa pagpipinta ng scatter plot:

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()

Resulta:


Pagpatakbo Ng Halimbawa

Explanasyon Ng Scatter Plot

Ang x-axis ay naglalarawan ng taong kalalabasan ng sasakyan, ang y-axis ay naglalarawan ng bilis ng sasakyan.

Makikita sa larawan, ang dalawang pinakamabilis na sasakyan ay nagamit ng 2 taon, ang pinakamabagal na sasakyan ay nagamit ng 12 taon.

Komentaryo:Ang mga sasakyan na mas bagong anyo ay lalong mabilis na pagmamaneho, ngunit maaring ito ay isang palipisan, dahil tayo ay nakarehistro lamang ng 13 na sasakyan.

Random Data Distribution

Sa machine learning, ang dataset ay maaaring maglalaman ng libu-libong kahit milyon na halaga.

Sa pagsubok ng algoritmo, maaring wala kang tunay na data, maaring kailangan mong gamitin ang random na pinagmumulan ng halaga.

Tulad ng pinag-aralan natin sa nakaraang kabanata, ang NumPy module ay makakatulong sa amin!

Hayaan nating lumikha ng dalawang array, na lahat ay puno ng 1000 na random number mula sa normal data distribution.

Ang pinakaunang halaga ng unang array ay itinakda sa 5.0, ang desidensya ay 1.0.

Ang pinakaunang halaga ng pangalawang array ay itinakda sa 10.0, ang desidensya ay 2.0:

Halimbawa

Scatter plot na may 1000 na puntos:

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()

Resulta:


Pagpatakbo Ng Halimbawa

Explanasyon Ng Scatter Plot

Maaari naming makita na ang mga puntos ay nakapokus sa mga halaga ng 5 sa x-axis at 10 sa y-axis.

Maaari naming makita na ang pagkalat sa y-axis ay mas malaki kaysa sa x-axis.