![http://www.mathgram.xyz/entry/plotly](https://cdn-ak-scissors.b.st-hatena.com/image/square/86f22a027620e11d0ad51756e8a3d0af81dfd075/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fket-30%2F20170527%2F20170527211615.jpg)
データの可視化をまとめて学んでおこうと思って書きました。 はじめに データ分析はデータの可視化から 機械学習や統計分析をするに当たって、データの可視化は 対象のデータに対して洞察を深める 処理の結果を評価する 成果を分かりやすく他人に説明する など、様々な局面で重要になります。 KaggleのKenel (分析/処理の過程をまとめたもの) をみても対象のデータに対する洞察を行う過程が全体の半分以上を占めていることが少なくありません。データを正しく可視化することは、データ分析や機械学習全般の土台にあたる作業です。 今回は、データの統計的可視化でよく使われるライブラリ "Seaborn" を用いてよく使う可視化パターンについてまとめてみます。 環境とデータ 実行環境にはKaglleのKernelを使いますが、オープンソースライブラリJupyterを使えばほぼおなじことが可能です。 また、ちょう
前記事の続きです mizti.hatenablog.com 3. Regression plots 2つの系列のデータを受け取り、回帰や残差を可視化します。回帰を可視化するregplotと残差を可視化するresiplotがあります。 regplot plt.figure(figsize=(9, 9)) ax = sns.regplot(x=(pkmn["Total"] - pkmn["Sp. Atk"]), y=(pkmn["Total"] - pkmn["Attack"])) d = ax.set(xlabel='Physical-Attacker Status', ylabel='Sp-Attacker Status') # d is just for supressing output regplotでは与えられた2つのデータから散布図を描き、回帰線を引きます。 散布プロットと回帰線
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く