[英]What am I doing wrong? Unable to execute a line of code. Python | Data Science | Big Mart Sales Data set
[英]I'm learning from Python Data Science Handbook and got different graph with same code. What's wrong?
這是本書和輸出中的確切代碼:
plt.scatter(data_projected[:, 0], data_projected[:, 1], c=digits.target,
edgecolor='none', alpha=0.5,
cmap=plt.cm.get_cmap('spectral', 10))
plt.colorbar(label='digit label', ticks=range(10))
plt.clim(-0.5, 9.5);
輸出:
這是我的代碼:
plt.scatter(data_projected[:, 0], data_projected[:, 1],
c=digits.target,
edgecolor = 'none', alpha= 0.5,
cmap = plt.cm.get_cmap('tab10', 10))
plt.colorbar(label='digit label', ticks = range(10))
plt.clim(-0.5, 9.5)
輸出:
我想我需要在設置中更改某些內容或做一些不那么復雜但不知道是什么的事情。 或者他們改變了數據集?
PS我故意改變顏色,它不會對代碼產生任何影響。
本書章節: https : //jakevdp.github.io/PythonDataScienceHandbook/05.02-introducing-scikit-learn.html
關於鏡像,考慮到投影涉及基向量的任意選擇。 我絕不是機器學習專家,因此我無法詳細介紹算法的確切工作原理。 但是如果你多次運行相同的代碼,你可能會得到所有可能的方向,例如 25 次運行:
import matplotlib.pyplot as plt
from sklearn.manifold import Isomap
from sklearn.datasets import load_digits
digits = load_digits()
fig, axs = plt.subplots(5,5, figsize=(16,9), sharex=True, sharey=True)
for ax in axs.flat:
iso = Isomap(n_components=2)
iso.fit(digits.data)
data_projected = iso.transform(digits.data)
im = ax.scatter(data_projected[:, 0], data_projected[:, 1], c=digits.target,
s=4,
edgecolor='none', alpha=0.5,
norm=plt.Normalize(-.5, 9.5),
cmap=plt.cm.get_cmap('tab10', 10))
fig.colorbar(im, label='digit label', ax=axs, ticks=range(10))
plt.show()
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.