【机器学习】Pima数据集的可视化

对数据进行理解的最快最有效的方式是：数据的可视化。

单一图表

直方图
密度图
箱线图

直方图

通过直方图可以非常直观地看出每个属性的分布状况：高斯分布，指数分布还是偏态分布。

from pandas import read_csv
import matplotlib.pyplot as pltfilename = 'data/pima_data.csv'
# names = ['Number of times pregnant',
#          'Plasma glucose concentration a 2 hours in an oral glucose tolerance test',
#          'Diastolic blood pressure (mm Hg)',
#          'Triceps skin fold thickness (mm)',
#          '2-Hour serum insulin (mu U/ml)',
#          'Body mass index (weight in kg/(height in m)^2)',
#          'Diabetes pedigree function',
#          'Age (years)',
#          'Class variable (0 or 1)'
#         ]
names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
data = read_csv(filename, names=names) # 手动指定头部

# 直方图
data.hist()
plt.show()

密度图

也是用于显示数据分布的图表，类似于对直方图进行抽象，用平滑的曲线来描述数据的分布。

data.plot(kind='density', subplots=True, layout=(3,3), sharex=False)
plt.show()

箱线图

用于显示数据分布，中位线 + 上下四分数线 + 上下边缘线。

data.plot(kind='box', subplots=True, layout=(3,3), sharex=False, sharey=False)
plt.show()

多重图表

主要是两种图表：

相关矩阵图
散点矩阵图

散点矩阵图

两组数据构成多个坐标点，两两特征之间的数据散点图组合成一个散点矩阵图。

# 相关矩阵图
from pandas import read_csv
import matplotlib.pyplot as plt
import numpy as npfilename = 'data/pima_data.csv'
names = ['preg', 'plas', 'pres', 'skin', 'test', 'mass', 'pedi', 'age', 'class']
data = read_csv(filename, names=names) correlations = data.corr()
fig = plt.figure()
ax = fig.add_subplot(111)
cax = ax.matshow(correlations, vmin=-1, vmax=1)
fig.colorbar(cax)
ticks = np.arange(0,9,1)
ax.set_xticks(ticks)
ax.set_yticks(ticks)
ax.set_xticklabels(names)
ax.set_yticklabels(names)
plt.show()

# 散点矩阵图from pandas.plotting import scatter_matrix
scatter_matrix(data)
plt.show()

这个使用是非常简单的，三行代码即可。

总结

结合前面的7种审查数据的武器 + 这里讲到的数据可视化的方法，现在拿到一个CSV数据集，我们就可以迅速对数据集进行审查，然后加深对数据的理解，这个过程中解题的思路也会慢慢清晰。

END.

参考：

《机器学习Python实践》

【机器学习】Pima数据集的可视化相关推荐

机器学习啤酒数据集_啤酒数据集上的神经网络
机器学习啤酒数据集 Artificial neural networks (ANNs), usually simply called neural networks (NNs), are compu ...
50个最佳机器学习公共数据集
背景介绍: 说到人工智能必然要了解机器学习,从信息化软件,到电子商务,然后到高速发展互联网时代,到至今的云计算.大数据等,渗透到我们的生活.工作之中,在互联网的驱动下,人们更清晰的认识和使用数据,不仅 ...
最强数据集集合：50个最佳机器学习公共数据集
最强数据集集合:50个最佳机器学习公共数据集 https://mp.weixin.qq.com/s/_A71fTgwSyaW5XTAySIGOA 原作 mlmemoirs 郭一璞编译量子位报 ...
50个最佳机器学习公共数据集（附链接）
来源:机器学习算法那些事本文约3000字,建议阅读6分钟本文整理一张50个醉驾机器学习公共数据集的榜单. 外国自媒体mlmemoirs根据github.福布斯.CMU官网等信息,整理了一张50个最佳 ...
赶紧收藏起这50个最佳机器学习公共数据集
外国自媒体mlmemoirs根据github.福布斯.CMU官网等信息,整理了一张50个最佳机器学习公共数据集的榜单,为大家分享一下~ 外国自媒体mlmemoirs根据github.福布斯.CMU官网 ...
【机器学习】50个最佳机器学习公共数据集
外国自媒体mlmemoirs根据github.福布斯.CMU官网等信息,整理了一张50个最佳机器学习公共数据集的榜单,为大家分享一下~ 外国自媒体mlmemoirs根据github.福布斯.CMU官网 ...
50个最佳机器学习公共数据集丨资源
最强数据集集合:50个最佳机器学习公共数据集丨资源 http://192.168.73.132/www.sohu.com/a/273562252_610300 http://baijiahao.bai ...
唐宇迪机器学习课程数据集_最受欢迎的数据科学和机器学习课程-2020年8月
唐宇迪机器学习课程数据集 There are a lot of great online resources and websites on data science and machine lear ...
使用Google Colab对PUBG的玩家死亡数据集进行可视化分析
使用Google Colab对PUBG的玩家死亡数据集进行可视化分析数据集数据集可以在Kaggle(https://www.kaggle.com/)中找到.需要注册Kaggle账号后,Accoun ...

【机器学习】Pima数据集的可视化

单一图表

直方图

密度图

箱线图

多重图表

相关矩阵图

散点矩阵图

总结

【机器学习】Pima数据集的可视化相关推荐

最新文章

热门文章