Добро пожаловать в Вселенную данных (информация). В наши дни мы окружены большим количеством Данных, их количество растет день ото дня, поэтому нам требуется больше инструментов для анализа данных или чтобы получить полезную информацию.

Отказ от ответственности: этот блог строго посвящен библиотекам Python.

Для чего нужна визуализация данных

Анализ данных — это трудоемкий шаг в науке о данных,

функции или информация - непростая задача, поэтому мы используем некоторые инструменты, такие как визуализация данных, чтобы избежать этой проблемы. Давайте посмотрим на важность визуализации …….

vs

Теперь мы можем видеть, что визуализированные данные можно легко прочитать за меньшее время….

Инструменты или библиотеки для визуализации данных

Существует много библиотек или инструментов для визуализации данных, но некоторые из них популярны.

Matplotlib, Seaborn, Plotly, Ggplot, Altair и т. д. Эти библиотеки предоставляют множество типов графиков.

Seaborn, Matplotlib обычно используются в науке о данных, потому что эти библиотеки предоставляют некоторые специальные инструменты или графики, некоторые из которых приведены ниже……..

Как использовать Matplotlib или Seaborn в алгоритмах машинного обучения.

шаг 1. Чтобы использовать эти библиотеки, мы загрузим библиотеки с помощью этой команды в терминале или командной строке.

pip3 install matplotlib (чтобы установить matplotlib)

pip3 install seaborn (для установки seaborn)

Теперь мы готовы к работе с библиотеками визуализации.

Шаг 2. Постройте различные графики

#1.Чтобы показать взаимосвязь между зависимыми или независимыми переменными.

Чтобы найти некоторые ненужные функции в данном наборе данных, требуется время, отнимающий шаг. Это можно решить, визуализируя функции с ответом или результатом. код с цифрой, приведенной ниже ……..

№ 2.Сравнение нескольких выходных данных линейной регрессии

визуализация позволяет легко показать ошибку или правильность модели ML

предсказать заданные данные.

Следовательно, визуализации нельзя избежать, это неотъемлемая часть машинного обучения.

мы можем изучить еще несколько важных примеров графиков, используя библиотеку matplotlib…

Гистограммы:

Функция hist() автоматически создает гистограммы и возвращает количество интервалов или вероятности.

код:matplotlib.pyplot.hist()

Круговые диаграммы

Код: matplotlib.pyplot.

Подсюжеты

Несколько осей (т.е. подграфики) создаются с помощью функции subplot():

Полярные графики

Функция polar() генерирует полярные графики

Можно сказать, что визуализация является основой машинного обучения.

без визуализации изучение науки о данных будет затруднено.

Продолжай учиться, до свидания ……………