这是本书和输出中的确切代码:
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);
输出:
这是我的代码:
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)
输出:
我想我需要更改设置或做一些不太复杂但不知道的事情。还是他们更改了数据集?
PS我故意更改了颜色,但对代码没有任何影响。
书籍章节:https://jakevdp.github.io/PythonDataScienceHandbook/05.02-introducing-scikit-learn.html
关于镜像,请考虑投影涉及基矢量的任意选择。我绝不是机器学习专家,所以我无法详细介绍算法的确切工作原理。但是,如果您多次运行同一代码,则可能会获得所有可能的方向,例如25次运行:
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()
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句