摘要：
构造线性回归模型2 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt #随机生成1000个点，围绕在y=0.1x+0.3的直线周围 num_points = 1000 vectors_set = [] 阅读全文
摘要：
构造线性回归模型1 import numpy as np import tensorflow as tf import matplotlib.pyplot as plt #随机生成1000个点，围绕在y=0.1x+0.3的直线周围 num_points = 1000 vectors_set = [] 阅读全文
摘要：
5 对数坐标轴及其他非线性坐标轴 matplotlib.pyplot不仅支持线性坐标轴，而且还支持对数和逻辑坐标轴（在数据跨越多个数量级时使用）。 plt.xscale('log') np.random.seed(19680801) mu = 0.5 sigma = 0.4 y = np.rando 阅读全文
摘要：
4. 添加文本 调用text()命令可以在图中任意的位置添加文本text，其中xlabel()、ylabel()和title()指定了在x轴、y轴、标题位置显示文本。 # 设置随机种子，以实现可重复性 np.random.seed(66666) mu, sigma = 100, 15 x = mu 阅读全文
摘要：
3. 多图和多轴绘制 MATLAB和Pyplot具有当前图形(current figure)和当前轴(current axes)的概念。记住，一个图中可以有多个轴，每个图线都在一定轴范围内进行绘制。所有绘图命令都只适用于当前轴。函数gca()将返回当前轴（一个matplotlib.axes.Axes 阅读全文
摘要：
2 调整图线属性——美化 线条有许多可以设置的属性：线宽，短线风格，抗锯齿等等，有以下几种方法来设置线条属性。 1 使用关键词传参： plt.plot(t, t**2, linewidth=2.0) 2 调用Line2D实例的一些设置相关的方法。plot返回了一系列Line2D对象，如line1，l 阅读全文
摘要：
今天阅读了第九章：至始至终降低含混性。 含混性是需求定义中的一个重要问题,而这些启发则是降低含混性的有力工具。 怎么做？ 概言之,有四种启发可以用于揭示含混性: 1.含混性投票:创建一个度量(比如说性能,结束时间或成本)来评估,这需要对问题有可靠的理解。把问题描述(需求)交给见多识广的人,并请他们依 阅读全文
摘要：
1 Pyplot matplotlib.pyplot是使Matplotlib像MATLAB一样工作的函数的集合。每个Pyplot函数都会对图形进行一些更改：例如，创建一个图形，在图形中创建一个绘图区域，在绘图区域中绘制一些线条，用标签装饰该绘图等等。 import matplotlib.pyplot 阅读全文
摘要：
引入： import seaborn as sns import matplotlib.pyplot as plt 绘图步骤： #1、创建画布 plt.figure(figsize=(8,6),dpi=144) #设置大小和清晰度 #2、画布内容 plt.title('标题') plt.xlabel 阅读全文
摘要：
数据清理： from IPython.core.interactiveshell import InteractiveShell InteractiveShell.ast_node_interactivity = 'all' #显示cell中的所有结果 athlete.isnull().any() 阅读全文