Học máy liên quan đến việc tạo mô hình từ dữ liệu và khái quát hóa trên dữ liệu chưa từng thấy trước đây. Dữ liệu được cung cấp cho mô hình học máy làm đầu vào phải được hệ thống hiểu đúng cách để hệ thống có thể diễn giải dữ liệu và tạo ra kết quả.
Seaborn là một thư viện giúp trực quan hóa dữ liệu. Nó đi kèm với các chủ đề tùy chỉnh và giao diện cấp cao. Giao diện này giúp tùy chỉnh và kiểm soát loại dữ liệu cũng như cách nó hoạt động khi một số bộ lọc nhất định được áp dụng cho nó.
Thư viện Seaborn chứa một giao diện được gọi là ‘set_Style ()’ giúp làm việc với các kiểu khác nhau. Chủ đề của cốt truyện có thể được thiết lập bằng cách sử dụng chức năng đã đề cập ở trên.
Chúng ta hãy thử hình dung một tập dữ liệu đơn giản bằng cách sử dụng Seaborn trong Python -
Ví dụ
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() Đầu ra
Giải thích
- Các gói bắt buộc đã được nhập.
- Dữ liệu đầu vào được tạo bằng hàm do người dùng xác định có tên là ‘sine_plot’.
- Hàm set_style được sử dụng để đặt loại âm mưu.
- Dữ liệu này được chỉ định để vẽ biểu đồ bằng thư viện seaborn
- Dữ liệu trực quan này được hiển thị trên bảng điều khiển.