一、數據可視化

data.mat

鏈接：https://pan.baidu.com/s/1XMi-71QzlzkGppN17AS1bw
提取碼：uddg

方法一

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import scipy.io as sio

#導入數據

mat = sio.loadmat('../data.mat')
mat.keys()
data1 = pd.DataFrame(mat.get('X'), columns=['X1', 'X2'])
data1.head()

fig, ax = plt.subplots(figsize=(12,8))
ax.scatter(data1['X1'],data1['X2'])
plt.show()

方法二

plt.figure(figsize=(12,8))
plt.scatter(data1['X1'],data1['X2'])
plt.show()

方法三

sns.lmplot('X1', 'X2', data=data1, fit_reg=False)
plt.show()

三種方法運行結果：

方法四決策樹的可視化

#首先載入類庫：
from sklearn.datasets import load_iris
from sklearn import tree
import pydotplus
import os

#接着載入sciki-learn的自帶數據，有決策樹擬合，得到模型：
iris = load_iris()
clf = tree.DecisionTreeClassifier()
clf = clf.fit(iris.data, iris.target)

#現在可以將模型存入dot文件iris.dot。
with open("./iris.dot", 'w') as f:
    f = tree.export_graphviz(clf,out_file=f)

#這時候我們有3種可視化方法，第一種是用graphviz的dot命令生成決策樹的可視化文件，
#敲完這個命令后當前目錄就可以看到決策樹的可視化文件iris.pdf.打開可以看到決策樹的模型圖。

#方法4.1   注意，這個命令在命令行執行
dot -Tpdf iris.dot -o iris.pdf

#方法4.2   用pydotplus生成iris.pdf。這樣就不用再命令行去專門生成pdf文件了。

import pydotplus 

dot_data = tree.export_graphviz(clf, out_file=None) 
graph = pydotplus.graph_from_dot_data(dot_data) 
graph.write_pdf("iris.dots.pdf") 
os.environ['PATH'] += os.pathsep+ 'C:\Program Files (x86)\Graphviz2.38\bin'

#方法4.3   個人比較推薦的做法，因為這樣可以直接把圖產生在ipython的notebook。
from IPython.display import Image  
import pydotplus

dot_data = tree.export_graphviz(clf, out_file=None, 
                         feature_names=iris.feature_names,  
                         class_names=iris.target_names,  
                         filled=True, rounded=True,  
                         special_characters=True)  
graph = pydotplus.graph_from_dot_data(dot_data)  
Image(graph.create_png())