mpl_toolkits 第2页
- 学会在3D图中绘制条形图:完美应对高维数据
-
之前我们学习过如何用seaborn来绘制多维度数据的分布情况，感兴趣的可以关注下我的《7天学会Python最佳可视化工具Seaborn》系列；我们也尝试过图形矩阵的方案，也就是用多幅子图的方式将不同的分类水平拆分开来，但是有些时候我们的报告中没有足够的空间，这时应该怎么办呢？这里，我们提供了一种可选...
- 走进Matplotlib世界(十)（matplotlib matshow）
-
回顾在走进Matplotlib世界（九）中，我们介绍了Matplotlib中箱型图的基本概念和用法，以及Matplotlib处理图像Image的基本方法。今天我们开始看一下Matplotlib中的3D图表。3D图这里我们介绍的3D图指的是相对于二维图形来讲的三维图形，可以理解为在原先x、y坐标轴的基...
- Python数据可视化Matplotlib，如何绘制带箭头的坐标轴?
-
Python数据可视化库Matplotlib中，带箭头的坐标轴需要通过mpl_toolkits.axisartist中方法创建绘图区才可以实现。实现方法通常有以下几步：创建figure画布；...
- python可视化(4)——散点图（python做散点图）
-
散点图是数据探索的常用工具，一般用来查看数据分布；在回归线性拟合和聚类建模中都可以方便的查看拟合结果或者是分类结果。示例如下：得到的图如下：python中的matplotlib库为散点图提供了scatter函数x,y形如shape(n,)的数组，可选值，...
- 三分类数据集聚类例子（数据分析中的聚类分析）
-
展示如何使用make_classification...
- 图解机器学习 | 降维算法详解（降维算法原理）
-
引言在互联网大数据场景下，我们经常需要面对高维数据，在对这些数据做分析和可视化的时候，我们通常会面对「高维」这个障碍。在数据挖掘和建模的过程中，高维数据也同样带来大的计算量，占据更多的资源，而且许多变量之间可能存在相关性，从而增加了分析与建模的复杂性。...
- 运用Numpy实现梯度下降优化算法的不同变体，这些你一定要知道
-
全文共14118字，预计学习时长30分钟或更长想了解如何使用numpy在tensorflow或pytorch中实现优化算法，以及如何使用matplotlib创建精美的动画？本文将讨论如何实现梯度下降优化技术的不同变体，以及如何使用matplotlib将用于这些变体更新规则的运作可视化出来。...
- 探索性数据分析:如何在数据中找到见解
-
当我开始学习机器学习时，我遇到的第一件事就是EDA，即探索性数据分析。本文是探索性数据分析的基本快速入门指南，它将帮助您启动EDA。本指南将为您提供有关探索性数据分析的基础知识。EDA的目标可归纳如下：最大限度地洞察数据/理解数据结构;可视化暴露变量和结果变量之间的潜在关系（方向和幅度）;...
- 「周末AI课堂」非线性降维方法代码篇 机器学习你会遇到的“坑”
-
收收心，上课时间到啦。我们在上周的《线性降维方法（代码篇）》中对IRIS数据和WINE数据利用了PCA和LDA这两种线性降维方法，似乎取得了一定的效果，一方面体现在低维空间不同类的样本分的足够开，另一方面体现在经过降维后，分类器的表现更好了。而非线性降维的一个重要前提就是，数据的分布本身就不是高维的...