SVM Predicted vs Actual Values-不同颜色的散点图

【问题标题】：SVM Predicted vs Actual Values-Scatter Graph with different colorsSVM Predicted vs Actual Values-不同颜色的散点图
【发布时间】：2023-01-28 02:25:17
【问题描述】：

有什么方法可以为 SVM 预测值与实际值制作可读的散点图吗？我正在使用以下代码：

y_test_shape = range(dataset.shape[0])
y_pred_shape = np.random.randint(0, dataset.shape[0], dataset.shape[0])
def plotGraph(y_test_shape, y_pred_shape,title):
    plt.scatter(range(len(y_test_shape)), y_test_shape, color='blue', s=20)
    plt.scatter(range(len(y_pred_shape)), y_pred_shape, color='red', marker='+', s=20)
    plt.title(title)
    return
plotGraph(y_test_shape, y_pred_shape, "Convolutional Neural Network: Actual vs Predicted")
plt.show()

输出： enter image description here

我正在绘制不同颜色的 SVM 实际值与预测值的散点图。我的数据是二进制的 (0,1)。我想用不同的颜色区分 0 和 1。像这样： enter image description here 有什么办法可以这样做吗？

【问题讨论】：

标签： python scatter-plot

【解决方案1】：

是的，您可以通过对散点图中的点使用不同的颜色来区分两个类（0 和 1）。您可以使用 c parameter in the scatter function 指定点的颜色。您还可以使用 cmap 参数指定颜色图，该颜色图将用于将点的颜色映射到颜色范围。

假设您的测试值在 y_test 中，预测值在 y_pred 中，下面是一个如何执行此操作的示例：

# Create a scatter plot with different colors for the two classes
plt.scatter(range(len(y_pred_shape)), y_pred_shape, c=y_pred, cmap='RdBu')
plt.title("Convolutional Neural Network: Actual vs Predicted")
plt.show()

本例中c参数设置为y_pred，其中包含测试数据的预测标签。 cmap 参数设置为“RdBu”，这是一个将点的颜色映射到颜色范围的颜色图。

这将为两个类创建一个具有不同颜色的散点图，0 类为蓝色，1 类为红色。

【讨论】：