如何使用 matplotlib/scikit 学习绘图？答案

【问题标题】：How can I graph in using matplotlib/scikit learn?如何使用 matplotlib/scikit 学习绘图？
【发布时间】：2014-04-29 00:24:22
【问题描述】：

我正在尝试一些代码来制作学习曲线：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3, random_state = 7)

from sklearn.linear_model import LinearRegression
estimator = LinearRegression()
estimator.fit(X_train, y_train)
y_predicted = estimator.predict(X_test)

fig = plt.figure()
plt.xlabel("Data")
plt.ylabel("MSE")
plt.ylim(-4, 14)
plt.scatter(X_train.ravel(), y_train, color = 'green')#<<<<<<<ERROR HERE
plt.plot(X_test.ravel(), y_predicted, color = 'blue')
plt.show()

结果：

ValueError: x and y must be the same size

打印X_train 和y_train 形状输出：

(1317, 11)
(1317,)

我该如何解决这个问题？

【问题讨论】：

标签： python python-2.7 matplotlib scikit-learn

【解决方案1】：

问题是您试图针对 1 维变量 (y) 绘制 11 维变量 (x)。您说您正在尝试绘制学习曲线。这意味着您正在迭代训练模型并在每次迭代（或 5 次迭代或其他）后显示错误。但这不是您要绘制的内容，您正在完全训练模型，然后尝试根据预测绘制输入（或 ravel() 对它们所做的任何事情）。这行不通。您需要重新考虑您要在这里实现的目标。

【讨论】：

【解决方案2】：

如前所述，您正在尝试针对 2d 网格上的 11 个要素绘制响应变量，这显然行不通。我的以下建议都无法实现您的尝试，因为您的模型不是迭代学习，而是拆分、训练、测试。但是，如果您只想根据您的响应绘制每个连续的特征，您可以执行以下操作（我使用 pandas 来组织我的数据）

data = DataFrame(np.random.normal(0,1, (1317, 11)), 
                     index=pd.date_range(
                     end= dt.datetime.utcnow(), 
                     periods=1317, freq='D'))

features = ['feature_{}'.format(x) for x in 
                    range(len(data.columns))]

data.columns = features
data['result'] = data.mean(1) + np.random.randn()

fig = plt.figure(figsize(10,10))
ax = fig.add_subplot(111)

for feature in features:
    ax.scatter(data[feature], data['result'], c=numpy.random.rand(3,1))

虽然我可能只是将您的模型 (y_predicted) 分散到 y 上以直观地验证我的模型。

【讨论】：