मशीन लर्निंग डेटा से मॉडल बनाने और पहले कभी न देखे गए डेटा पर सामान्यीकरण करने से संबंधित है। मशीन लर्निंग मॉडल को इनपुट के रूप में प्रदान किया गया डेटा ऐसा होना चाहिए कि सिस्टम द्वारा इसे ठीक से समझा जा सके, ताकि यह डेटा की व्याख्या कर सके और परिणाम उत्पन्न कर सके।
Seaborn एक लाइब्रेरी है जो डेटा विज़ुअलाइज़ करने में मदद करती है। यह कस्टमाइज़्ड थीम और हाई-लेवल इंटरफेस के साथ आती है। यह इंटरफेस डेटा के प्रकार और इसे कस्टमाइज़ और कंट्रोल करने में मदद करता है जब इस पर कुछ फिल्टर लागू किए जाते हैं।
Seaborn लाइब्रेरी में 'set_Style()' नामक एक इंटरफेस होता है जो विभिन्न स्टाइल के साथ काम करने में मदद करता है। प्लॉट की थीम को उपरोक्त फंक्शन का उपयोग करके सेट किया जा सकता है।
आइए पायथन में Seaborn का उपयोग करके एक साधारण डेटासेट को विज़ुअलाइज़ करने का प्रयास करते हैं।
उदाहरण
import numpy as np
from matplotlib import pyplot as plt
def sine_plot(flip=1):
x = np.linspace(0, 9, 50)
for i in range(1, 7):
plt.plot(x, np.sin(x + i * .68) * (6 - i) * flip)
import seaborn as sb
sb.set_style("whitegrid")
print("The data is being plotted ")
sine_plot()
plt.show()आउटपुट
व्याख्या
- आवश्यक पैकेज आयात किए जाते हैं।
- इनपुट डेटा यूजर-डिफाइंड फंक्शन 'sine_plot' का उपयोग करके उत्पन्न किया जाता है।
- set_style फंक्शन का उपयोग प्लॉट के प्रकार को सेट करने के लिए किया जाता है।
- इस डेटा को seaborn लाइब्रेरी का उपयोग करके प्लॉट करने के लिए निर्दिष्ट किया जाता है।
- यह विज़ुअल डेटा कंसोल पर प्रदर्शित होता है।
