版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_41185868/article/details/86382176
数据特殊属性(35)、标签之间关系SP可视化分析：如果把M用1 代表，R用0代表，就会得到散点图。
(1)、分析PCP平行坐标图，发现岩石数据与水雷数据在属性索引值35 左右有所分离。则标签与索引值35 附近的属性的关系也应该显示这种分离，所以，画出标签和第35个属性的散点图。
1、但是可以看到一个交会图常见的问题。当其中一个变量只取有限的几个值时，很多点会重叠在一起。如果这种点很多，则只能看到很粗的一条线，分辨不出这些点是如何沿线分布的。
(1)、优化SP可视化：通过2个小技巧克服了上述的问题，经过扰动和半透明处理。
1)、每个点都加上一个小的随机数，产生了少量的离散值（这里是对标签值进行了处理）。标签值最初是０或1。在代码中可以看到，标签值加上了一个在−0.1 和0.1 之间均匀分布的随机数，这样就把这些点分散开，但是又不至于把这2 条线混淆。
2)、此外，这些点绘制时取alpha=0.5，这样这些点就是半透明的。那么在散点图中若多个点落在一个位置就会形成一个更黑的区域，这时需要对数据做一些微调使你能看到你想看到的。
2、对SP可视化进行分析：可以注意到第35个属性在左上方的点更加集中一些，然而在下面的数据从右到左分布得更加均匀些。上方的数据对应水雷的数据。下面的数据对应岩石的数据。
| 由图观察可知，可以因此建立一个分类器，判断第35 个属性是否大于或小于0.5。如果大于0.5，就判断为岩石，如果小于0.5，就判断为水雷。在第35个属性值小于0.5 的实例中，水雷的分布要更密集，而且在属性值小于0.5 的实例中，岩石的分布要稀疏得多。这样就可以获得一个比随机猜测好些的结果。
|