绘制 scikit-learn 数据集训练和测试数据时出错

Question

我正在尝试绘制来自 scikit-learn 数据集的训练和测试数据。

import sys, os
import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets
plt.switch_backend('agg')

%matplotllib inline

diabetes = datasets.load_diabetes()
diabetes_X = diabetes.data[:, np.newaxis, 2]
diabetes_X_train = diabetes_X[:-20]
diabetes_X_test = diabetes_X[-20:]
diabetes_y_train = np.matrix(diabetes.target[:-20]).T
diabetes_y_test = np.matrix(diabetes.target[-20:]).T

plt.scatter(diabetes_X_train, diabetes_y_train,  color='black')
plt.scatter(diabetes_X_test, diabetes_y_test,  color='red')

但我有以下错误：

ValueError: all the input array dimensions for the concatenation axis must match exactly, but along dimension 0, the array at index 0 has size 422 and the array at index 1 has size 1

我检查了矩阵的形状，训练数据有 (422,1) 和测试数据 (20,1)。是什么导致了这个错误？

Answer 1

plt.scatter 期望绘制两个相同形状的数据集。如果它们不是一维的，它们将被展平。在机器学习问题中将X 展平是没有意义的。

检查X_train 和y_train 的尺寸。你会发现它们不兼容。这是您正在制作的 2D 图，您只能将一组数字与另一组数字进行对比。 X 是一个矩阵：每一行都是一堆数字。

所以你可以这样做：

import numpy as np
import matplotlib.pyplot as plt

x, y = np.random.random((422, 1)), np.random.random((422, 1))
plt.scatter(x, y)

但你不能这样做：

X, y = np.random.random((422, 10)), np.random.random((422, 1))
plt.scatter(X, y)

这基本上就是您想要做的事情。 （顺便说一句，我不认为你想转置y。）

所以这应该适合你：

plt.scatter(diabetes_X_train[:, 0], diabetes_y_train)

但这仅显示了与X 的一个特征的关系。

假设您只是想探索数据，我建议您查看seaborn.pairplot。它非常适合这种事情。