代码之家 › 专栏 › 技术社区 › Bogdan Lashkov

绘图上的点未在直线上逐个连接

polynomial-math scikit-learn matplotlib python

Bogdan Lashkov · 技术社区 · 6 年前

我真的不知道Matplotlib为什么会随机地连接绘图上的点: 只有当我用 scatter()绘制日期时,它才看起来正常。 function:


   
    %matplotlib widget
将matplotlib.pyplot导入为plt
将numpy导入为np
将熊猫作为PD导入
来自sklearn.model_selection import train_test_split
来自sklearn.linear_model import ridge
从sklearn.preprocessing导入多项式特征
从sklearn.pipeline导入make_pipeline

np.随机种子(0)
n=100
x=np.linspace(0,10,n)+np.random.randn(n)/5
y=np.sin(x)+x/6+np.random.randn(n)/10

x_-train,x_-test,y_-train,y_-test=train_-test_-split(x,y,random_-state=0)
图()
颜色=['teal'、'yellowgreen'、'gold'、'red']
LW=2
散点图(X列,Y列,color='navy',s=30,marker='o',label='training points')

对于count,degree in enumerate([1,3,6,9]):
model=make_pipeline(多项式特征(degree),ridge())
模型拟合(X轴列[:,NP轴,Y轴列)
y_plot=model.predict(x_test[:,np.newaxis])
plt.plot(x_test[:,np.newaxis],y_plot,color=colors[count],linewidth=lw,np.sort(x_test)[,np.newaxis]
label=“学位%d%”%degree)
Plt.Legend(loc='右下')

显示()
< /代码> <
看起来没问题,只有当我和scatter()功能:


%matplotlib widget
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.linear_model import Ridge
from sklearn.preprocessing import PolynomialFeatures
from sklearn.pipeline import make_pipeline

np.random.seed(0)
n = 100
x = np.linspace(0,10,n) + np.random.randn(n)/5
y = np.sin(x)+x/6 + np.random.randn(n)/10

X_train, X_test, y_train, y_test = train_test_split(x, y, random_state=0)
plt.figure()
colors = ['teal', 'yellowgreen', 'gold', 'red']
lw = 2
plt.scatter(X_train, y_train, color='navy', s=30, marker='o', label="training points")

for count, degree in enumerate([1, 3, 6, 9]):
    model = make_pipeline(PolynomialFeatures(degree), Ridge())
    model.fit(X_train[:, np.newaxis], y_train)
    y_plot = model.predict(X_test[:, np.newaxis])
    plt.plot(X_test[:, np.newaxis], y_plot, color=colors[count], linewidth=lw, #np.sort(X_test)[:, np.newaxis]
             label="degree %d" % degree)
plt.legend(loc='lower right')

plt.show()

2 回复 | 直到 6 年前

Xanthir 6 年前

它们是随机连接的,因为它们鉴于以随机顺序。你生成的是随机点,它们会在允许的范围内来回跳跃。如果希望它们按升序绘制,则需要首先对它们进行排序。

Bogdan Lashkov 6 年前

无问题代码:

%matplotlib widget
将matplotlib.pyplot导入为plt
将numpy导入为np
将熊猫作为PD导入
来自sklearn.model_selection import train_test_split
来自sklearn.linear_model import ridge
从sklearn.preprocessing导入多项式特征
从sklearn.pipeline导入make_pipeline

np.随机种子(0)
n=100
x=np.linspace(0,10,n)+np.random.randn(n)/5
y=np.sin(x)+x/6+np.random.randn(n)/10

x_-train,x_-test,y_-train,y_-test=train_-test_-split(x,y,random_-state=0)
图()
颜色=['teal'、'yellowgreen'、'gold'、'red']
LW=2
plt.scatter(训练数据[0].值,训练数据[1].值,color='navy',s=30,marker='o',label='training points')

#排序值
train_data=pd.dataframe(data=[x_train,y_train]).t.sort_值(0)
test_data=pd.dataframe(data=[x_test,y_test]).t.sort_values(0)

对于count,degree in enumerate([1,3,6,9]):
model=make_pipeline(多项式特征(degree),ridge())
model.fit(训练数据[0].值[:,np.newaxis],训练数据[1].值)
y_plot=model.predict(测试_data[0].值[:,np.newaxis])
plt.plot(test_data[0].values[:,np.newaxis],y_plot,color=colors[count],linewidth=lw,np.sort(x_test)[:,np.newaxis]
label=“学位%d%”%degree)
Plt.Legend(loc='右下')

显示()
< /代码> 

结果:

结果: