机器学习 - 散点图
散点图
散点图是一种图表，其中数据集中的每个值都由一个点表示。
Matplotlib 模块有一个绘制散点图的方法，它需要两个长度相同的数组，一个用于 x 轴的值，一个用于 y 轴的值。
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]
x 数组表示每辆车的年龄。
y 数组表示每辆车的速度。
示例
使用 scatter() 方法绘制散点图。
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()
结果
散点图解释
x 轴表示年龄，y 轴表示速度。
从图中我们可以看出，两辆最快的车都是 2 岁，而最慢的车是 12 岁。
注意： 似乎越新的车开得越快，但这可能只是巧合，毕竟我们只记录了 13 辆车。
随机数据分布
在机器学习中，数据集可以包含数千甚至数百万个值。
测试算法时，你可能没有真实世界的数据，你可能需要使用随机生成的值。
正如我们在上一章学到的，NumPy 模块可以帮助我们做到这一点！
让我们创建两个数组，它们都包含 1000 个来自正态数据分布的随机数。
第一个数组的均值设为 5.0，标准差为 1.0。
第二个数组的均值设为 10.0，标准差为 2.0。
示例
包含 1000 个点的散点图
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()
结果
散点图解释
我们可以看到，点集中在 x 轴上的值 5 和 y 轴上的值 10 附近。
我们还可以看到，y 轴上的分布比 x 轴上的分布更宽。
