機器學習 - 散點圖
散點圖
散點圖是一種圖表，其中資料集中的每個值都由一個點表示。
Matplotlib 模組有一個繪製散點圖的方法，它需要兩個長度相同的陣列，一個用於 x 軸的值，一個用於 y 軸的值。
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 陣列表示每輛車的年齡。
y 陣列表示每輛車的速度。
示例
使用 scatter() 方法繪製散點圖。
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()
結果
散點圖解釋
x 軸表示年齡，y 軸表示速度。
從圖中我們可以看出，兩輛最快的車都是 2 歲，而最慢的車是 12 歲。
注意： 似乎越新的車開得越快，但這可能只是巧合，畢竟我們只記錄了 13 輛車。
隨機資料分佈
在機器學習中，資料集可以包含數千甚至數百萬個值。
測試演算法時，你可能沒有真實世界的資料，你可能需要使用隨機生成的值。
正如我們在上一章學到的，NumPy 模組可以幫助我們做到這一點！
讓我們建立兩個陣列，它們都包含 1000 個來自正態資料分佈的隨機數。
第一個陣列的均值設為 5.0，標準差為 1.0。
第二個陣列的均值設為 10.0，標準差為 2.0。
示例
包含 1000 個點的散點圖
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()
結果
散點圖解釋
我們可以看到，點集中在 x 軸上的值 5 和 y 軸上的值 10 附近。
我們還可以看到，y 軸上的分佈比 x 軸上的分佈更寬。
