# 可视化二分类问题中的数据分布
plt.figure(figsize=(8, 5))
# Setosa类数据用圆圈表示,颜色为蓝色
plt.scatter(X_train_binary[y_train_binary == 0][:, 0], X_train_binary[y_train_binary == 0][:, 1],
color='blue', label='Setosa (Train)', marker='o', s=80)
# Versicolor类数据用叉表示,颜色为红色
plt.scatter(X_train_binary[y_train_binary == 1][:, 0], X_train_binary[y_train_binary == 1][:, 1],
color='red', label='Versicolor (Train)', marker='x', s=80)
# 测试数据的可视化(Setosa)
plt.scatter(X_test_binary[y_test_binary == 0][:, 0], X_test_binary[y_test_binary == 0][:, 1],
color='blue', label='Setosa (Test)', marker='o', s=80, alpha=0.5)
# 测试数据的可视化(Versicolor)
plt.scatter(X_test_binary[y_test_binary == 1][:, 0], X_test_binary[y_test_binary == 1][:, 1],
color='red', label='Versicolor (Test)', marker='x', s=80, alpha=0.5)
# 设置坐标轴标签和标题
plt.xlabel('Sepal length', fontsize=12)
plt.ylabel('Sepal width', fontsize=12)
plt.title('Data distribution of Setosa and Versicolor', fontsize=16)
# 显示图例
plt.legend()
# 显示图形
plt.show()
相关知识
实验一:鸢尾花数据集分类
基于svm的鸢尾花数据集分类
KNN算法实现鸢尾花数据集分类
【机器学习】经典数据集鸢尾花的分类识别
决策树可视化:鸢尾花数据集分类(附代码数据集)
KNN分类算法介绍,用KNN分类鸢尾花数据集(iris)
分类算法入门:以鸢尾花数据集为例(上)
BP神经网络鸢尾花红酒数据分类分析与源码实现
卷积神经网络实现鸢尾花数据分类python代码实现
Tensorflow鸢尾花分类(数据加载与特征处理)
网址: 鸢尾花数据分类 https://m.huajiangbk.com/newsview1544661.html
上一篇: 鸢尾花数据集决策树模型的可视化图 |
下一篇: 鸢尾花的可视化(散点图、小提琴图 |