SciKit-Learn visual data using matplotlib

---

chapter

• Loading data set SciKit-Learn
• SciKit-Learn dataset's information
• SciKit-Learn visual data using matplotlib
• SciKit-Learn Visual Data: Principal Component Analysis (PCA)
• Preprocessing data SciKit-Learn
• SciKit-Learn K-means clustering
• SciKit-Learn SVM
• Quick SciKit-Learn

---

digitsIs a handwritten digital data set, we can use Python data visualization libraries such as matplotlib, to view these handwritten digital images.

Examples

Displaying digits.imageshandwritten digital image.

from sklearn import datasets

# 加载 `digits` 数据集
digits = datasets.load_digits()

# 导入 matplotlib
import matplotlib.pyplot as plt

# 设置图形大小(宽、高)以英寸为单位
fig = plt.figure(figsize=(6, 6))

# 设置子图形布局，如间隔之类... 
fig.subplots_adjust(left=0, right=1, bottom=0, top=1, hspace=0.05, wspace=0.05)

# 对于64幅图像中的每一幅
for i in range(64):
    # 初始化子图:在8×8的网格中，在第i+1个位置添加一个子图
    ax = fig.add_subplot(8, 8, i + 1, xticks=[], yticks=[])
    # 在第i个位置显示图像
    ax.imshow(digits.images[i], cmap=plt.cm.binary, interpolation='nearest')
    # 用目标值标记图像
    ax.text(0, 7, str(digits.target[i]))

# 显示图形
plt.show()

Export

We can also use digits.targetthe marking target digits.imagessample image data format, and display.

Examples

Displayed digits.imagesin the first eight handwritten digital images, and a mark image corresponding to the target value.

from sklearn import datasets

# 加载 `digits` 数据集
digits = datasets.load_digits()

# 导入 matplotlib
import matplotlib.pyplot as plt 

# 把图像和目标标签组合成一个列表
images_and_labels = list(zip(digits.images, digits.target))

# 对于列表(前8项)中的每个元素
for index, (image, label) in enumerate(images_and_labels[:8]):
    # 在第i+1个位置初始化一个2X4的子图
    plt.subplot(2, 4, index + 1)
    # 不要画坐标轴
    plt.axis('off')
    # 在所有子图中显示图像
    plt.imshow(image, cmap=plt.cm.gray_r,interpolation='nearest')
    # 为每个子图添加一个标题(目标标签)
    plt.title('Training: ' + str(label))

# 显示图形
plt.show()

display: