Մեքենայի ուսուցում – ցրման սխեման

Ցրված հողամաս

Ցրման գծապատկերը դիագրամ է, որտեղ տվյալների հավաքածուի յուրաքանչյուր արժեք ներկայացված է կետով:

Matplotlib մոդուլն ունի ցրման սյուժեներ գծելու մեթոդ, նրան անհրաժեշտ է նույն երկարությամբ երկու զանգված, մեկը՝ x առանցքի արժեքների համար, իսկ մեկը՝ y առանցքի արժեքների համար.

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]

The x զանգվածը ներկայացնում է յուրաքանչյուր մեքենայի տարիքը:

The y զանգվածը ներկայացնում է յուրաքանչյուր մեքենայի արագությունը:

Օրինակ

Օգտագործում scatter() ցրման սյուժեի դիագրամ գծելու մեթոդ.

Արդյունքը:

Գործարկման օրինակ »

Բացատրված է ցրման սյուժեն

X առանցքը ներկայացնում է տարիքը, իսկ y առանցքը՝ արագությունները:

Այն, ինչ մենք կարող ենք կարդալ գծապատկերից, այն է, որ երկու ամենաարագ մեքենաները երկուսն էլ 2 տարեկան էին, իսկ ամենադանդաղ մեքենան՝ 12 տարեկան:

Նշում: Թվում է, թե որքան նոր է մեքենան, այնքան ավելի արագ է քշում, բայց դա կարող է պատահական լինել, չէ՞ որ մենք գրանցել ենք ընդամենը 13 մեքենա։


Պատահական տվյալների բաշխումներ

Մեքենայական ուսուցման մեջ տվյալների հավաքածուները կարող են պարունակել հազարավոր կամ նույնիսկ միլիոնավոր արժեքներ:

Դուք կարող եք իրական աշխարհի տվյալներ չունենալ, երբ փորձարկում եք ալգորիթմը, գուցե ստիպված լինեք օգտագործել պատահականորեն ստեղծված արժեքներ:

Ինչպես սովորեցինք նախորդ գլխում, NumPy մոդուլը կարող է օգնել մեզ այդ հարցում:

Եկեք ստեղծենք երկու զանգված, որոնք երկուսն էլ լցված են 1000 պատահական թվերով սովորական տվյալների բաշխումից:

Առաջին զանգվածը կունենա միջինը 5.0՝ 1.0 ստանդարտ շեղումով:

Երկրորդ զանգվածը կունենա միջինը 10.0՝ 2.0 ստանդարտ շեղումով.

Օրինակ

1000 կետով ցրված հողամաս.

Արդյունքը:

Գործարկման օրինակ »

Բացատրված է ցրման սյուժեն

Մենք կարող ենք տեսնել, որ կետերը կենտրոնացած են 5 արժեքի շուրջ x առանցքի վրա, իսկ 10-ը՝ y առանցքի վրա:

Մենք կարող ենք նաև տեսնել, որ տարածումը ավելի լայն է y առանցքի վրա, քան x առանցքի վրա:

ArmenianEnglish