import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset("tips")
iris = sns.load_dataset("iris")
配置調色盤的顏色
pal = dict(lunch="seagreen", dinner="gray")
通過hue來分類，並且設定畫板
g = sns.facetgrid(tips, hue="time", palette=pal, size=5)
正式作圖
g.map(plt.scatter, "total_bill", "tip", s=50, alpha=.7, linewidth=.5, edgecolor="white")
加上圖例
g.add_legend()
結果如下：
g = sns.facetgrid(tips, hue="***", palette="set1", size=5, hue_kws=) #hue_kws設定點的形狀
g = sns.facetgrid(tips, row="***", col="smoker", margin_title=true, size=2.5) #margin_title設定邊界文字表示
g.map(plt.scatter, "total_bill", "tip", color="#223344", edgecolor="white", lw=.5)
g.set_axis_labels("total_bill", "tip") #設定橫縱座標標籤名
g.set(xticks=[10,30,50], yticks=[2,6,10]) #設定橫縱軸上的數字
g.fig.subplots_adjust(wspace=.5, hspace=.2) #設定橫向和縱向的間隔
畫成雙成對的**
g.map_diag(plt.hist) #對角線上話=畫直方圖
g.map_offdiag(plt.scatter) #對角線兩邊畫散點圖
多變數線性回歸
import numpy as np import pandas as pd import matplotlib.pyplot as plt import cost function import gd function path ex1data2.txt data2 pd.read csv pat...
多變數線性回歸
固定隨機數 x1 numpy.random.random 50 x2 numpy.random.random 50 y 3 0.7 x1 2.3 x2 x numpy.c x1,x2 x numpy.c numpy.ones len x x y numpy.c y m,n x.shape alpha...
多變數線性回歸
python 推理部分 1 損失函式 注意，那個第一列為1的值是插入的，不是原始資料，為了彌補theta 0 這個引數。2 特徵歸一化 3 損失函式 特徵歸一化處理 param data 特徵值 return 特徵歸一化處理後的特徵值 return data data.mean data.std d...