我正在從 Python 數據科學手冊中學習，並使用相同的代碼獲得了不同的圖表。 怎么了？

Question

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

Answer 1

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()