使用Matplotlib创建散点图

假设data是m行两列的训练样本,labels是m行一列的类标签,类标签一共有3类,分别用1、2、3表示,现将data用散点图表示出来,且不同类的样本有不同的颜色:

import matplotlib.pyplot as pltfig = plt.figure()
ax = fig.add_subplot(111) # 创建一个一行一列的图
ax.scatter(data[:, 0], data[:, 1], 15.0*np.array(labels), 15.0*np.array(labels)) # 15.0是散点的大小
plt.show()

 

为了得到更好的效果,并以红色的'*'表示类标签1、蓝色的'o'表示表示类标签2、绿色的'+'表示类标签3,修改参数如下:

import numpy as np
import matplotlib.pyplot as pltfig = plt.figure()
ax = fig.add_subplot(111)
labels = np.array(labels)
idx_1 = np.where(labels == 1) # 找出第一类
p1 = ax.scatter(data[idx_1, 0], data[idx_1, 1], marker='*', color='r', label='1',s=20)
idx_2 = np.where(labels == 2) # 找出第二类
p2 = ax.scatter(data[idx_2, 0], data[idx_2, 1], marker = 'o',color ='b',label='2',s=10)
idx_3 = np.where(labels == 3) # 找出第三类
p3 = ax.scatter(data[idx_3, 0], data[idx_3, 1], marker = '+',color ='g',label='3',s=30)
plt.legend(loc='upper right')
plt.show()

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491807.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

数字图像-6空域滤波

空域处理 基本概念: 理论基础——线性系统响应:卷积理论 卷积的离散表达式,基本上可以理解为模板运算的数学表达式 由此,卷积的冲击响应函数h(x,y),称为空域卷积模板。 空域滤波及滤波器的定义 使用空域模板进行的…

特斯拉烧,特斯拉烧完蔚来烧

来源:36氪最关键的问题还是在电池。又一台蔚来汽车自燃了。5月16日,上海嘉定一个小区的地下车库,一台黑色的蔚来ES8突然冒出大量浓烟。消防人员及时赶到,扑灭烟雾并封锁了现场,才没有引起火灾。根据车主的描述&#xf…

超出内容用省略号替代

最近学习了一下怎么用省略号代替超出的文本。 虽然网上的资料很多&#xff0c;但俗话说得好&#xff0c;好记性不如烂笔头&#xff0c;还是记一下吧&#xff01; 有两种方法&#xff0c;第一是用CSS实现&#xff1b;第二是用js HTML <p id"text">9月10日&#…

python数据归一化

在机器学习中&#xff0c;往往需要归一化数据集&#xff0c;下面的公式可以把数据归一化到0~1区间&#xff1a; newvalue &#xff08;oldvalue - min&#xff09;/&#xff08;max - min&#xff09; python实现的代码如下&#xff1a; def autoNorm(dataSet):minVals da…

数字图像处理-7频域滤波

傅里叶变化特性及其应用

福布斯发布2019全球品牌价值100强:华为上榜苹果夺冠

来源&#xff1a;世界科技创新论坛百强品牌中&#xff0c;有56个来自美国公司&#xff0c;前10名中有80%是美国公司的品牌。德国、法国和日本排在美国之后&#xff0c;分别有11个、7个、6个品牌上榜。上榜品牌共来自16个国家。5月23日&#xff0c;福布斯发布了一年一度的全球品…

python读取图像矩阵文件并转换为向量

假设图像矩阵大小为3232&#xff0c;将其转换为向量&#xff0c;首先创建11024的NumPy数组&#xff0c;然后打开给定的文件&#xff0c;循环读出文件的前32行&#xff0c;并将每行的头32个字符值存储在NumPy数组中 import numpy as npdef img2vector(filename):returnVect np…

PHP中一些有用的函数

<?php/** * 加密解密* * param string $key* param string $string* param string $decrypt* return string */ function encryptDecrypt($key, $string, $decrypt) {if($decrypt){$decrypted rtrim(mcrypt_decrypt(MCRYPT_RIJNDAEL_256, md5($key), base64_decode($stri…

一文读懂你该了解的5G知识:现在别买5G手机

来源&#xff1a; 腾讯科技2019年是中国全力布局5G的一年&#xff1a;三大运营商纷纷搭建基站&#xff0c;手机厂商发布5G手机&#xff0c;部分城市已经开启了5G测试……在电信日这天&#xff0c;腾讯科技联合知乎推出重磅策划&#xff0c;聚焦和5G相关的小知识&#xff0c;精选…

mnist手写数字数据集下载

下载地址&#xff1a;http://yann.lecun.com/exdb/mnist/

C#黑白棋制作~

前些天自己复习一下C#语言 做了个黑白棋&#xff0c;望大家看一下&#xff0c;可能有些bug嘿嘿 链接如下 http://files.cnblogs.com/files/flyingjun/%E9%BB%91%E7%99%BD%E6%A3%8BV1.2.rar 还有源文件 http://files.cnblogs.com/files/flyingjun/%E9%BB%91%E7%99%BD%E6%A3%8B.r…

未来可能发生的十大颠覆性创新

转自&#xff1a;工信头条本文发表于《中国工业和信息化》杂志2019年5月刊总第12期科技作家凯文凯利认为&#xff1a;“未来在其初期将发展得非常缓慢&#xff0c;随之便可一蹴而就。”随着时间缓慢出现的规模化变革很容易被忽视&#xff0c;但实际上在一个快速创新的世界中&am…

Python计算信息熵

计算信息熵的公式&#xff1a;n是类别数&#xff0c;p(xi)是第i类的概率 假设数据集有m行&#xff0c;即m个样本&#xff0c;每一行最后一列为该样本的标签&#xff0c;计算数据集信息熵的代码如下&#xff1a; from math import logdef calcShannonEnt(dataSet):numEntries …

Delphi Format函数功能及用法详解

DELPHI中Format函数功能及用法详解 DELPHI中Format函数功能及用法详解function Format(const Format: string; const Args: array of const): string; $[SysUtils.pas 功能&#xff1a;返回按指定方式格式化一个数组常量的字符形式 说明 这个函数是Delphi中用得最多的函数&…

Python绘制决策树的节点

import matplotlib.pyplot as pltdecisionNode dict(boxstyle"sawtooth", fc"0.8") # 决策节点的属性。boxstyle为文本框的类型&#xff0c;sawtooth是锯齿形&#xff0c;fc是边框线粗细 # 可以写为decisionNode{boxstyle:sawtooth,fc:0.8} leafNode dic…

IBM对话智能+未来:十年提升AI性能效率千倍?

来源&#xff1a;云科技时代140多前的1879年&#xff0c;爱迪生经过几千次试验发明了电灯&#xff1b;之后过了90年的1969年美国把人类送到了月球&#xff0c;1970年空中客车公司诞生。在1870年代&#xff0c;人类初次进入电力时代的时候&#xff0c;没有人能够想到有一天人类可…

【转】chrome浏览器的跨域设置——包括版本49前后两种设置

做前后分离的webapp开发的时候&#xff0c;出于一些原因往往需要将浏览器设置成支持跨域的模式&#xff0c;好在chrome浏览器就是支持可跨域的设置&#xff0c;网上也有很多chrome跨域设置教程。但是新版本的chrome浏览器提高了跨域设置的门槛&#xff0c;原来的方法不再适用了…

中国信通院:2019年Q1全球人工智能产业数据报告

来源&#xff1a;网络大数据近日&#xff0c;中国信息通信研究院数据研究中心发布了《全球人工智能产业数据报告(2019Q1)》。报告以中国信息通信研究院数研中心人工智能产业数据库为基础&#xff0c;从企业研究、投融资研究、论文等角度出发&#xff0c;结合产业发展热点&#…

数据库一对一,一对多,多对多关系

关联映射&#xff1a;一对多/多对一 存在最普遍的映射关系&#xff0c;简单来讲就如球员与球队的关系&#xff1b; 一对多&#xff1a;从球队角度来说一个球队拥有多个球员 即为一对多 多对一&#xff1a;从球员角度来说多个球员属于一个球队 即为多对一 数据表间一对多关系如下…

Python找出某元素的索引下标

方法&#xff1a;list.index&#xff08;‘xxx’&#xff09; L [a, b, c] index L.index(c) print(index) # 输出2