如何使用“ matplotlib”可视化5-D功能集和回归结果

Question

我正在使用 sklearn.svm支持向量回归来解决连续数据集上的回归问题，其中功能集具有 5 dimensions 和 1维度标签集，下面是数据集的样子：

>>> type(feature_set)
55: <type 'numpy.ndarray'>
>>> type(label_set)
56: <type 'numpy.ndarray'>
>>> feature_set.shape
57: (31875, 5)
>>> label_set.shape
58: (31875,)

现在，我只想可视化/绘制数据，而我不知道该怎么做。此外，该功能集中有5个维度，但是我们只能绘制两个维度，对

这是我的回归器：

from sklearn.svm import SVR
reg = SVR()
count = int(len(feature_set)*0.8)
reg.fit(feature_set[:count], label_set[:count])

也可以可视化/绘制回归剂的结果吗？我对此非常陌生，因此可以对任何或不同的技术开放，通过这些或不同的技术，我将能够可视化连续数据（首选matplotlib）。谢谢。

Answer 1

您应该首先查看以下Scikit-Learn示例，该示例演示了如何使用主成分分析和线性判别分析。如果那不将数据带到您想要的位置，则可以尝试歧管模块的计算更昂贵的方法。

http://scikit-learn.org/stable/auto_examples/decomposition/decomposition/plot_pca_vs_lda.html#example-decomposition-decomposition-decomposition-pca-vs-vs-vs-vs-vs-vs-lda-py

http://scikit-learn.org/stable/modules/manifold.html

编辑：在将数据传递到任何维度降低之前，将扩展数据扩展可能是一个好主意。参见例如http://scikit-learn.org/stable/modules/preprocessing.html#preprocessing