기본 콘텐츠로 건너뛰기

Python Matplotlib Scatter(산점도)

from sklearn.datasets import make_classification

예제
x, y = make_classification(n_samples=100, n_features=5, n_informative=2, random_state=7) # x는 지표, y는 정답, random_state : 랜덤 씨앗
x.shape # (100, 5)

import matplotlib.pyplot as plt
plt.scatter(x[:,0], x[:,1], s=2, c='r') # x의 0열, x의 1열, 크기는 2, 색은 빨강
plt.show()














예제
import pandas as pd
df = pd.read_csv('Salary_Data.csv')
df
'''
   YearsExperience Salary
0  1.1             39343.0
1  1.3             46205.0
2  1.5             37731.0
3  2.0             43525.0
4  2.2             39891.0
5  2.9             56642.0
6  3.0             60150.0
7  3.2             54445.0
8  3.2             64445.0
9  3.7             57189.0
10 3.9             63218.0
11 4.0             55794.0
12 4.0             56957.0
13 4.1             57081.0
14 4.5             61111.0
15 4.9             67938.0
16 5.1             66029.0
17 5.3             83088.0
18 5.9             81363.0
19 6.0             93940.0
20 6.8             91738.0
21 7.1             98273.0
22 7.9             101302.0
23 8.2             113812.0
24 8.7             109431.0
25 9.0             105582.0
26 9.5             116969.0
27 9.6             112635.0
28 10.3            122391.0
29 10.5            121872.0
'''

plt.plot(df.iloc[:,0], df.iloc[:,1])
plt.xlabel('YearsExperience')
plt.ylabel('Salary')
plt.title('Salary Data')
plt.show()














예제
df = pd.read_csv('sample_classification.csv')
plt.scatter(df['x'],df['y'], c=df['label'])
plt.title('sample_classification')
plt.xlabel('X 좌표')
plt.ylabel('Y 좌표')
plt.show()














라벨:

이 블로그의 인기 게시물

Python 인공신경망 추천 시스템(회귀)

예제 # 인공신경망을 이용한 추천 시스템 # - 순차형(Sequential) 신경망 생성법 # - 함수형(Functional) 신경망 생성법 # - 지금까지 나온 추천 방식 중에서 가장 좋은 성능 # - Regression 방식으로 분석가능 # - 영화의 평점 정보(userid, movieid, rating) # - 이용자는 영화에 대한 취향이 모두 다르다 # - 영화는 다양한 장르가 혼합되어 있다 # - 이용자는 자신의 취향에 맞는 영화에 높은 rating을 제시함 # - 어떤 이용자에게 어떤 장르의 영화를 추천할 것인가? # __call__() 함수를 가진 클래스는 파이썬 함수 callable(클래스)를 사용하면 True를 반환한다 from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import Dense, Embedding, Input input = Input(shape=(1,)) # 함수형 신경망 생성법 hidden1 = Dense(2, activation='relu')(input) # Dense(2, activation='relu')__call__() hidden2 = Dense(2, activation='relu')(hidden1) # callable.object callable(Dense) # __call__ 함수가 있으면 True, 없으면 False # Using Functional API from keras.models import Sequential from keras.layers import * model = Sequential() model.add(Input(shape=(3,))) # Input tensor model.add(Dense(4)) # hidden layer 1 model.add(Dense(units=4)) # hidden layer 2 model.add(Dense(units=1)) # ou...
더보기

Blogger

코드 하이라이트 사이트 http://hilite.me/ 코드 <!-- 나만의 공간 --> <style id='daru_css' type='text/css'> .code {      overflow: auto;      height: 200px;      background-color: rgb(239,239,239);      border-radius: 10px;      padding: 5px 10px; } .code::-webkit-scrollbar-thumb {      background-color: grey;      border: 1px solid transparent;      border-radius: 10px;      background-clip: padding-box;   } .code::-webkit-scrollbar {      width: 15px; } </style> <!-- 나만의 공간 -->
더보기

Javascript on 함수

엔터키 감지하기 <input type="password" onkeypress="func(event)" /> function func(event) {      if(event.keyCode == 13) { // keyCode 13은 엔터이다           alert("엔터를 입력했습니다.");     }     if (event.tartget.value == 13) {          alert("엔터를 입력했습니다.");     } }
더보기