Python 机器学习数据分布



  • 数据分布

    在本教程的前面,我们仅在示例中使用了非常少量的数据,只是为了了解不同的概念。在现实世界中,数据集要大得多,但是至少在项目的早期阶段,很难收集现实世界的数据。
    我们如何获得大数据集?
    为了创建用于测试的大数据集,我们使用Python模块NumPy,该模块附带了许多创建任意大小的随机数据集的方法。
    创建一个包含250个介于0和5之间的随机浮点数的数组:
    import numpy
    
    x = numpy.random.uniform(0.0, 5.0, 250)
    
    print(x)
    
    输出如下所示:
    ml
    
  • 直方图

    为了可视化数据集,我们可以对收集到的数据绘制直方图。我们将使用Python模块Matplotlib绘制直方图:
    创建一个包含250个介于0和5之间的随机浮点数的数组:
    import numpy
    
    x = numpy.random.uniform(0.0, 5.0, 250)
    
    print(x)
    
    输出如下所示:
    ml
    
    直方图解释::
    我们使用上例中的数组绘制5条柱状图。第一栏代表数组中介于0和1之间的值。第二栏代表1到2之间的数值。......。
    这给了我们这个结果:
    • 52个值介于0和1之间
    • 48个值介于1和2之间
    • 49个值介于2和3之间
    • 51个值在3和4之间
    • 50个值介于4到5之间
    注意:数组值是随机数,在您的计算机上不会显示完全相同的结果。
  • 大数据分布

    包含250个值的数组被认为不是很大,但是现在您知道了如何创建一个随机值集,并且通过更改参数可以创建所需大小的数据集。
    创建一个具有100000个随机数的数组,并使用具有100条的直方图显示它们:
    import numpy
    import matplotlib.pyplot as plt
    
    x = numpy.random.uniform(0.0, 5.0, 100000)
    
    plt.hist(x, 100)
    plt.show()
    
    输出如下所示:
    ml