plt.scatter()和sklearn.datasets.make_circles()

plt.scatter()

官方文档 https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.scatter.html

例子:plt.scatter(train_X[:, 0], train_X[:, 1], c=train_Y, s=40, cmap=plt.cm.Spectral);

matplotlib.pyplot.scatter( x , y , s = None , c = None , marker = None , cmap = None , norm = None , vmin = None , vmax = None , alpha = None , linewidths = None , * , edgecolors = None , plotnonfinite = False ,数据=, ** kwargs )

官方文档谷歌翻译截图:

plt.scatter()和sklearn.datasets.make_circles()_第1张图片

s 是散点的大小

plt.scatter()和sklearn.datasets.make_circles()_第2张图片
plt.scatter()和sklearn.datasets.make_circles()_第3张图片

plt.scatter(train_X[:, 0], train_X[:, 1], c=train_Y, s=40, cmap=plt.cm.Spectral);

c 和 cmap一起看,表示train_Y中不同的数字映射的颜色不同

也可以通过plt.cm.Spectral(parameters)中的parameters来指定生成的颜色种类

例如plt.cm.Spectral(np.arange(5))将生成5中不同的颜色,而在例子中,c=train_Y 代替了参数parameter的作用。

sklearn.datasets.make_circles()

plt.scatter()和sklearn.datasets.make_circles()_第4张图片

def load_dataset(is_plot=True):
    np.random.seed(1)
    train_X, train_Y = sklearn.datasets.make_circles(n_samples=300, noise=.05)
    # 参考上面那个函数的返回值,x的shape应该是(300,2)
    #                       y是标签,只有0 or 1,300个
    np.random.seed(2)
    test_X, test_Y = sklearn.datasets.make_circles(n_samples=100, noise=.05)
    # Visualize the data
    if is_plot:
        plt.scatter(train_X[:, 0], train_X[:, 1], c=train_Y, s=40, cmap=plt.cm.Spectral);
    train_X = train_X.T
    #转置X (2,300)
    train_Y = train_Y.reshape((1, train_Y.shape[0]))
    # 把Y转化成矩阵(1,300)
    test_X = test_X.T
    test_Y = test_Y.reshape((1, test_Y.shape[0]))
    return train_X, train_Y, test_X, test_Y

结果:
plt.scatter()和sklearn.datasets.make_circles()_第5张图片

你可能感兴趣的:(深度学习,sklearn,机器学习,python)