mglearn初探

这个是取自于《python机器学习基础教程》16页

代码：

# import numpy as np 
# import matplotlib.pyplot as plt 
# import pandas as pd 
# import mglearn

# from sklearn.datasets import load_iris
# from sklearn.model_selection import train_test_split
# iris_dataset = load_iris()
# X_train,X_test,y_train,y_test = train_test_split(iris_dataset['data'],iris_dataset['target'],random_state=0)
# # 利用X_train中的数据创建DataFrame 
# # # 利用iris_dataset.feature_names中的字符串对数据列进行标记
# iris_dataframe = pd.DataFrame(X_train,columns=iris_dataset.feature_names)

# grr = pd.plotting.scatter_matrix(iris_dataframe,c=y_train,figsize=(15,15),marker='o',hist_kwds={'bins':20},s=60,alpha=8,cmap=mglearn.cm3)

# grr.show()

import mglearn 
import matplotlib.pyplot as plt 
import pandas as pd 
from sklearn.datasets import load_iris 
iris_dataset = load_iris() 
from sklearn.model_selection import train_test_split 
X_train,X_test,y_train,y_test = train_test_split(iris_dataset['data'],iris_dataset['target'],random_state=0) 
iris_dataframe=pd.DataFrame(X_train,columns=iris_dataset.feature_names) 
grr = pd.plotting.scatter_matrix(iris_dataframe,marker='o',c = y_train,hist_kwds={'bins':20},cmap=mglearn.cm3)

plt.show()

效果：

我们来看scatter_matrix的参数

def scatter_matrix(frame, alpha=0.5, figsize=None, ax=None, diagonal='hist', marker='.', density_kwds=None,hist_kwds=None, range_padding=0.05, **kwds)

frame：pandas dataframe对象

alpha：(float, 可选)， 图像透明度，一般取(0,1]

figsize: ((float,float), 可选)，以英寸为单位的图像大小，一般以元组 (width, height) 形式设置
ax：(Matplotlib axis object, 可选)，一般取None
diagonal：({‘hist’, ‘kde’})，必须且只能在{‘hist’, ‘kde’}中选择1个，’hist’表示直方图(Histogram plot),’kde’表示核密度估计(Kernel Density Estimation)；该参数是scatter_matrix函数的关键参数，下文将做进一步介绍
marker：(str, 可选)， Matplotlib可用的标记类型，如’.’，’,’，’o’等
density_kwds：(other plotting keyword arguments，可选)，与kde相关的字典参数
hist_kwds：(other plotting keyword arguments，可选)，与hist相关的字典参数
range_padding：(float, 可选)，图像在x轴、y轴原点附近的留白(padding)，该值越大，留白距离越大，图像远离坐标原点
kwds：(other plotting keyword arguments，可选)，与scatter_matrix函数本身相关的字典参数

参考来自：https://blog.csdn.net/hurry0808/article/details/78573585