Sklearn python पुस्तकालय नमूना डेटा सेट प्रदान करता है जिसका उपयोग विभिन्न ग्राफ प्लॉट बनाने के लिए किया जा सकता है। इन डेटासेट की उपयोगिता नमूना ग्राफ़ और चार्ट बनाने और मान बदलने पर ग्राफ़ के व्यवहार की भविष्यवाणी करने में है। इसके अलावा, आप वास्तविक डेटा सेट का उपयोग करने से पहले इस नमूना ग्राफ़ पर रंगों और अक्षों आदि पर निर्णय लेने जैसे अन्य मापदंडों पर काम कर सकते हैं।
make_blobs का उपयोग करना
नीचे दिए गए उदाहरण में हम एक विशिष्ट शैली के साथ स्कैटर प्लॉट बनाने के लिए matplotlib के साथ sklearn लाइब्रेरी का उपयोग करते हैं। हम 200 डेटा बिंदुओं का एक नमूना चुनते हैं और क्लस्टर के रंग और प्रकार का भी चयन करते हैं।
उदाहरण
from sklearn.datasets import make_blobs
from matplotlib import pyplot as plt
from matplotlib import style
style.use("fast")
X, y = make_blobs(n_samples=200, centers=,
cluster_std=1, n_features=2)
plt.scatter(X[:, 0], X[:, 1], s=60, color='r')
plt.xlabel("X")
plt.ylabel("Y")
plt.show()
plt.clf() आउटपुट
उपरोक्त कोड को चलाने से हमें निम्नलिखित परिणाम मिलते हैं -
make_circles का उपयोग करना
उपरोक्त दृष्टिकोण के समान, हम 100 के नमूने के आकार और रंग के रूप में नीले रंग के साथ मंडलियां बनाने के लिए make_circles फ़ंक्शन लेते हैं।
उदाहरण
from sklearn.datasets import make_circles
from matplotlib import pyplot as plt
from matplotlib import style
style.use("fast")
X, y = make_circles(n_samples=100, noise=0.04)
plt.scatter(X[:, 0], X[:, 1], s=40, color='b')
plt.xlabel("X")
plt.ylabel("Y")
plt.show()
plt.clf() आउटपुट
उपरोक्त कोड को चलाने से हमें निम्नलिखित परिणाम मिलते हैं -
