【发布时间】：2019-05-22 13:43:15
【问题描述】：
这似乎是一个 sklearn 问题，但它不是（至少不是直接的）。我只是在这里使用 sklearn 来获取数据点，因为这将能够完全重现我的问题。一些背景
我使用sklearn 来预测小区间内的一些点。首先，我用二维向量（矩阵中的行）构建了一个合成域X。
然后我使用这些行 x=(x_1, x_2) 计算一些图像点 y= x_1 + x_2 + noise 和一些噪声以尝试复制一些真实数据。
为了进行回归（又名插值），作为方法的一部分，我使用命令 train_test_split 从域 X 中随机选取向量/点（此处为矩阵形式，它们是行），我将跳过细节，但结果数组是空间的随机子集（空间是(x_1, x_2, y)，在我的紧凑支持中，所有(x_1, x_2)。
然后我使用 sklearn 进行 回归，到目前为止一切顺利。一切都按预期工作。我得到了y_pred_test_sine 的预测，它们运行良好。但是预测完全打乱了，因为该方法从域中选择随机点作为 测试集。
问题来了……
由于我想绘制为连续函数（由 matplotlib 插值，这没关系，我稍后将使用我自己的插值测试）。我做两件事：
- 使用来自测试
X_test_sort的排序预测图像点创建一个新向量 - 使用来自测试的排序域点创建一个新向量。
y_pred_test_sine_sort
这些 (1) 和 (2) 匹配（至少应该）预测模型中的每个数据点（这些仅排序以便使用 plt.plot 线轻松绘制，而不是标记）
然后我绘制它们，它们与我的解决方案空间中的预期点不匹配（完全）。
在这里我们可以看到全黑线（排序后的预测线）不跟随橙色点（预测点）。这根本不是我所期望的。
这里按照代码重现问题。
import matplotlib.pyplot as plt
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
plt.close('all')
rng = np.random.RandomState(42)
regressor = LinearRegression()
# Synthetic dataset
x_1 = np.linspace(-3, 3, 300)
x_2 = np.sin(4*x_1)
noise = rng.uniform(size=len(x_1))
y = x_1 + x_2 + noise
X = np.vstack((x_1, x_2)).T
# Data splitting
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=42)
# Regression 2 features data
fit_sine = regressor.fit(X_train, y_train)
y_pred_test_sine = regressor.predict(X_test)
# Here I have sorted the X values and its image points Y = f(x)
# Why those are not correctly placed over the 'prediction' points
X_test_sort = np.sort(X_test[:,0].ravel())
y_pred_test_sine_sort = np.sort(y_pred_test_sine.ravel())
# DO THE PLOTTING
plt.plot(X_test[:,0], y_test, 'o', alpha=.5, label='data')
plt.plot(X_test[:,0], y_pred_test_sine, 'o', alpha=.5, label='prediction')
plt.plot(X_test_sort, y_pred_test_sine_sort, 'k', label='prediction line')
plt.plot(x, np.sin(4*x)+x+.5, 'k:', alpha=0.3, label='trend')
plt.legend()
【问题讨论】：
-
哇。我在解释后看到了一个概念问题，对图像空间进行排序会完全混淆来自 senoidal 数据的振荡信息。因此可能是问题所在。所以我需要以某种方式同时对
X_test[:,0]和y_pred_test_sine进行排序，并使用第一个作为指导。我认为这会解决。关于如何做到这一点的任何想法。？ -
我认为
np.argsort()会以某种方式帮助我。 -
嗨@ImportanceOfBeingErnest，这与您标记为重复的问题不同，标记为重复的问题是关于按顺序绘制的绘图（这不是问题，我知道已经），这里的问题是错误的排序假设，因此给出了错误的数据点。虽然两者都是相关的（因为都基于 matplotlib），但它们并不相同。但是，是的。既然我发现了问题，我认为应该把标题改成更有意义的东西。
-
副本向您展示了解决问题的准确方法，即根据排序后的 x 值对 y 值进行排序。
标签： python matplotlib scikit-learn