机器学习 - 数据分布

数据分布

在本教程的前面部分，我们在示例中使用了非常少量的数据，只是为了理解不同的概念。

在现实世界中，数据集要大得多，但收集现实世界的数据可能很困难，至少在项目的早期阶段是这样。

为了创建用于测试的大数据集，我们使用 Python 模块 NumPy，它附带了多种方法来创建任意大小的随机数据集。

创建一个包含 250 个 0 到 5 之间的随机浮点数的数组：

import numpy

x = numpy.random.uniform(0.0, 5.0, 250)

print(x)

为了可视化数据集，我们可以用收集的数据绘制直方图。

我们将使用 Python 模块 Matplotlib 来绘制直方图。

了解有关 Matplotlib 模块的信息Matplotlib 教程。

绘制直方图：

import numpy
import matplotlib.pyplot as plt

x = numpy.random.uniform(0.0, 5.0, 250)

plt.hist(x, 5)
plt.show()

我们使用上面示例中的数组来绘制包含 5 个条形的直方图。

第一个条代表数组中有多少个值介于 0 和 1 之间。

第二个条代表有多少个值在 1 和 2 之间。

ETC。

这给了我们这个结果：

笔记：数组值是随机数，不会在您的计算机上显示完全相同的结果。

包含 250 个值的数组不会被认为很大，但现在您知道如何创建一组随机值，并且通过更改参数，您可以创建所需大小的数据集。

创建一个包含 100000 个随机数的数组，并使用包含 100 个条形的直方图显示它们：

import numpy
import matplotlib.pyplot as plt

x = numpy.random.uniform(0.0, 5.0, 100000)

plt.hist(x, 100)
plt.show()