使用绘制数据学习数据分析

绘制数据小部件可能看起来仅仅是一个玩具，但与其他小部件结合使用后，它可以直观地演示诸多机器学习概念（例如k均值，分层聚, SVM，逻辑回归，等等。）

介绍

该小部件使您可以在二维平面上绘制数据。您可以命名 x 和 y 轴，选择类别数（用不同的颜色表示），然后将点定位在图形上。

多种绘画工具可让您根据自己的特定需求管理数据集: 使用单个放置绘制单个数据点或毛刷来绘制多个数据点。选择一个数据子集，然后在数据表小部件中查看它，或放大以查看您的点的位置。抖动和磁吸是功能相反的工具，可用于扩散实例或将它们拉近。

示例

在聚类中的应用

数据将在具有两个特征的数据表中表示，它们的实例对应于系统中的坐标。这样的数据集非常适合演示 k均值 和 层级聚类 方法。在下图中，我们看到具有特定设置的 k均值 和 层次聚类 识别聚类的比较。k均值 返回分数排名，其中最佳 轮廓系数 表示最可能的聚类数 (簇数), 但是最高的分数并不是我们期望的结果。在 层次聚类 中, 我们发现。

下载本工作流

在分类算法中的应用

使用 绘制数据 的另一种方法是观察分类算法的性能，在这里我们可以更改图形以演示预测模型的改进或退化。通过绘制数据点，我们可以尝试构建数据集，这对于一个分类器来说很困难，而对于另一个分类器来说很容易。比如，为什么 线性SVM 在以下数据集上失败？

下载本工作流

反馈问题

文档有问题? 或者有其他意见和建议? 请在本文档的 Github 仓库直接反馈

点我反馈

进入反馈页面不知道如何反馈, 请点击这里