如何使用`matplotlib`可视化5-D功能集和回归结果？

Posted 2023-03-12

【中文标题】如何使用`matplotlib`可视化5-D功能集和回归结果？

【英文标题】：How to visualize 5-D feature set and regression results using `matplotlib`?

【发布时间】：2016-10-19 14:22:45

【问题描述】：

我正在使用sklearn.svm支持向量回归来解决连续数据集上的回归问题，其中特征集有5维和1维 标签集，下面是数据集的样子：

>>> type(feature_set)
55: <type 'numpy.ndarray'>
>>> type(label_set)
56: <type 'numpy.ndarray'>
>>> feature_set.shape
57: (31875, 5)
>>> label_set.shape
58: (31875,)

现在我只想可视化/绘制数据，但我不知道该怎么做。 此外，特征集中有 5 个维度，但我们只能绘制两个维度，对吧？

这是我的回归器：

from sklearn.svm import SVR
reg = SVR()
count = int(len(feature_set)*0.8)
reg.fit(feature_set[:count], label_set[:count])

是否也可以可视化/绘制回归量的结果？ 我对此非常陌生，因此对任何或不同的技术持开放态度，通过这些技术我将能够可视化连续数据（首选matplotlib）。 谢谢。

【参考方案1】：

您应该首先查看以下 scikit-learn 示例，该示例演示了如何使用主成分分析和线性判别分析。如果这不能将您的数据带到您想要的位置，您可以尝试流形模块的计算成本更高的方法。

http://scikit-learn.org/stable/auto_examples/decomposition/plot_pca_vs_lda.html#example-decomposition-plot-pca-vs-lda-py

http://scikit-learn.org/stable/modules/manifold.html

编辑：在将数据传递给任何降维之前缩放数据可能是一个好主意。参见例如http://scikit-learn.org/stable/modules/preprocessing.html#preprocessing