机器学习 07 查看数据分布+数据集的划分

最新推荐文章于 2023-03-03 17:34:42 发布

原创

最新推荐文章于 2023-03-03 17:34:42 发布 · 4k 阅读

7 ·

CC 4.0 BY-SA版权

本文介绍了如何利用Seaborn库查看数据分布，并展示了Seaborn.lmplot()方法在二维散点图上的应用，包括数据集的分类显示和线性拟合。同时，讨论了机器学习中数据集的常见划分方法，通常分为训练集和测试集，比例如70%训练，30%测试，并提到了数据集划分的API。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据分布
使用到了seaborn
介绍：
Seaborn 是基于 Matplotlib 核心库进行了更高级的 API 封装，可以让你轻松地画出更漂亮的图形。而 Seaborn 的漂亮主要体现在配色更加舒服、以及图形元素的样式更加细腻。
安装：
安装 pip3 install seaborn

seaborn.lmplot() 是一个非常有用的方法，它会在绘制二维散点图时，自动完成回归拟合
sns.lmplot() 里的 x, y 分别代表横纵坐标的列名,
data= 是关联到数据集,
hue=*代表按照 species即花的类别分类显示,
fit_reg=是否进行线性拟合。
案例：

%matplotlib inline  
# 内嵌绘图
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 把数据转换成dataframe的格式
iris_d = pd.DataFrame(iris['data'], columns = ['Sepal_Length', 'Sepal_Width', 'Petal_Length', 'Petal_Width'])
iris_d['Species'] = iris.target

def plot_iris(iris, col1, col2):
    sns.lmplot(x = col1, y = col2, data = iris, hue = "Species", fit_reg = False)
    plt.xlabel(col1)
    plt.ylabel(col2)
    plt.title('鸢尾花种类分布图')
    plt.show()
plot_iris(iris_d, 'Petal_Width', 'Sepal_Length')

数据集的划分

机器学习一般的数据集会划分为两个部分：

训练数据：用于训练，构建模型
测试数据：在模