نویسنده(های): چاندرا پراکاش باتولا
در ابتدا منتشر شد به سمت هوش مصنوعی.
این داستان فقط برای اعضا در اختیار ماست. برای دسترسی به تمام Medium ارتقا دهید.
قسمت 2: ابتدا، قبل از درخواست، مطمئن شوید که این مراحل را دنبال کرده اید یادگیری ماشینی الگوریتم ها!
ما قبلاً در مورد توطئه اساسی بحث کرده ایم، اکنون اجازه دهید به برخی از بینش های زمان واقعی شیرجه بزنیم.
ما می توانیم نقاط پراکنده را ببینیم، اما آیا می توانیم برای بدست آوردن چگالی نقاط در یک منطقه خاص کار کنیم؟ در صورت وجود، آیا می توانیم از اطمینان شمارش بدانیم؟
برای پاسخ به این سوالات باید عمیقاً در مفاهیمی مانند هیستوگرام، PDF و CDF کاوش کنیم.
همه چیزهایی که قبلاً بحث کردیم در مورد دو بعدی و سه بعدی است. متوجه شدیم که نمی‌توانیم ۴ بعدی بصری انجام دهیم و طرح‌های زوجی را توسعه دادیم.
در مورد 1-D چطور؟ چرا طرح پراکندگی 1 بعدی را امتحان نمی کنیم؟
نمودار پراکندگی 1 بعدی را می توان با استفاده از یک متغیر منفرد روی محور x ترسیم کرد تا محور y صفر شود.
با ایجاد فریم های داده بر اساس گونه های موجود در طرح، ما محور X را به عنوان طول گلبرگ و محور Y را به عنوان هیچ داریم.
وارد کردن numpy به عنوان npimport matplotlib.pyplot به عنوان plt# با فرض اینکه عنبیه یک پانداها DataFrameiris_setosa = iris.loc[iris[“species”] == “setosa”]iris_virginica = iris.loc[iris[“species”] == “virginica”]iris_versicolor = iris.loc[iris[“species”] == “versicolor”]# رسم طول گلبرگ برای هر گونه با استفاده از… وبلاگ کامل را به صورت رایگان در Medium بخوانید.
منتشر شده از طریق به سمت هوش مصنوعی