แมชชีนเลิร์นนิงเกี่ยวข้องกับการสร้างแบบจำลองจากข้อมูล และการสรุปข้อมูลที่ไม่เคยเห็นมาก่อน ข้อมูลที่ป้อนให้กับโมเดลแมชชีนเลิร์นนิงควรเป็นแบบที่ระบบควรเข้าใจอย่างถูกต้อง เพื่อให้สามารถตีความข้อมูลและให้ผลลัพธ์ได้
Seaborn เป็นห้องสมุดที่ช่วยในการแสดงข้อมูล มันมาพร้อมกับธีมที่กำหนดเองและอินเทอร์เฟซระดับสูง อินเทอร์เฟซนี้ช่วยในการปรับแต่งและควบคุมชนิดของข้อมูลและลักษณะการทำงานของข้อมูลเมื่อใช้ตัวกรองบางตัว
ไลบรารี Seaborn มีอินเทอร์เฟซที่เรียกว่า 'set_Style()' ที่ช่วยในการทำงานกับสไตล์ที่แตกต่างกัน ชุดรูปแบบของโครงเรื่องสามารถกำหนดได้โดยใช้ฟังก์ชันที่กล่าวถึงข้างต้น
ให้เราลองนึกภาพชุดข้อมูลอย่างง่ายโดยใช้ Seaborn ใน Python -
ตัวอย่าง
import numpy as np
from matplotlib import pyplot as plt
def sine_plot(flip=1):
x = np.linspace(0, 9, 50)
for i in range(1, 7):
plt.plot(x, np.sin(x + i * .68) * (6 - i) * flip)
import seaborn as sb
sb.set_style("whitegrid")
print("The data is being plotted ")
sine_plot()
plt.show() ผลลัพธ์
คำอธิบาย
- นำเข้าแพ็คเกจที่จำเป็น
- ข้อมูลอินพุตถูกสร้างขึ้นโดยใช้ฟังก์ชันที่ผู้ใช้กำหนดชื่อ 'sine_plot'
- ฟังก์ชัน set_style ใช้สำหรับกำหนดประเภทของพล็อต
- ข้อมูลนี้ถูกกำหนดให้พล็อตโดยใช้ห้องสมุด Seaborn
- ข้อมูลภาพนี้จะแสดงบนคอนโซล
