用python画分析曲线图

#导入matplotlib包

import matplotlib.pyplot as plt
import matplotlib as mpl

mpl.rcParams['font.sans-serif']=['SimHei']#设中文编码
#准备数据
#汇率
eurcny =[6.3432,6.5343,6.4342,6.0897,6.7644,6.5445,6.0987,6.8076,6.9808,6.7805,6.1054,6.4343,6.5423,6.4342,6.0098,6.4341,6.4322,6.8892,6.3143,6.9765,6.3201]
#日期
date =[3,4,5,6,7,8,9,10,11,12,13,14,15,17,19,20,21,22,23,27,31]
#设置画布
plt.figure(dpi=80,figsize=(18,8))
#画图
plt.plot(
    date,eurcny,c='y',
    linestyle='--',#曲线类型
    
    linewidth=2,#曲线宽
    marker='o',#实心圆
    markersize=10,#实心圆大小
    markerfacecolor='g',#曲线颜色
    alpha=0.5#透明度
)
#设置网格
plt.grid(linewidth=1,alpha=0.7)
plt.title('汇率日期曲线')
plt.xlabel('日期')
plt.ylabel('汇率')
#保存图片
plt.savefig('t4_rate.png')
#显示
plt.show()

结果图:

### 使用 Python 绘制损失函数曲线 绘制损失函数曲线是一种直观的方式,用于观察模型在训练过程中的表现。以下是实现这一功能的具体方法。 #### 数据准备 为了绘制损失曲线,需要先收集每次迭代后的训练损失和验证损失数据。这些数据可以通过记录每轮训练的结果获得[^1]。如果是在实际项目中,则可以将这些数值保存至文件以便后续读取并绘图[^2]。 #### 核心代码示例 下面是一个完整的代码示例,展示如何利用 `matplotlib` 库绘制损失曲线: ```python import matplotlib.pyplot as plt # 假设这是从训练过程中获取的损失值 train_loss = [0.8, 0.6, 0.4, 0.3, 0.25, 0.2, 0.18, 0.17, 0.16, 0.15] val_loss = [0.9, 0.7, 0.5, 0.4, 0.35, 0.3, 0.28, 0.27, 0.26, 0.25] epochs = range(1, len(train_loss)+1) plt.figure(figsize=(10, 6)) plt.plot(epochs, train_loss, 'b-', label='Training Loss') plt.plot(epochs, val_loss, 'r--', label='Validation Loss') plt.title('Loss Curve over Epochs') plt.xlabel('Epochs') plt.ylabel('Loss Value') plt.legend() plt.grid(True) plt.show() ``` 上述代码展示了如何通过简单的列表模拟训练和验证阶段的损失值,并调用 `matplotlib` 的绘图接口生成清晰的折线图。 #### 关于不同算法的损失函数形式 对于不同的机器学习或深度学习算法,其使用的具体损失函数可能有所不同。例如,在二分类问题中,支持向量机采用的是合页损失函数;而逻辑斯谛回归则基于逻辑斯谛损失函数计算误差[^3]。因此,当绘制特定模型的损失曲线时,需注意所选优化目标及其对应的度量方式。 #### 自动生成样本数据 如果你暂时没有现成的数据集来进行实验,也可以借助工具快速创建一些虚拟数据作为练习素材。比如使用 scikit-learn 提供的功能即可轻松完成此操作[^4]: ```python from sklearn.datasets import make_blobs X, y = make_blobs(n_samples=100, centers=3, n_features=2, random_state=42) print(X.shape, y.shape) ``` 以上脚本会生成具有三个类别中心点分布特征的空间坐标集合 X 及对应标签 Y ,方便进一步探索分析。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值