डेटा को विज़ुअलाइज़ करना एक महत्वपूर्ण कदम है क्योंकि यह यह समझने में मदद करता है कि वास्तव में संख्याओं को देखे बिना और जटिल गणना किए बिना डेटा में क्या चल रहा है। सीबॉर्न एक पुस्तकालय है जो डेटा की कल्पना करने में मदद करता है। यह अनुकूलित थीम और एक उच्च-स्तरीय इंटरफ़ेस के साथ आता है।
कर्नेल घनत्व अनुमान, जिसे केडीई के रूप में भी जाना जाता है, एक ऐसी विधि है जिसमें एक सतत यादृच्छिक चर के संभाव्यता घनत्व कार्य का अनुमान लगाया जा सकता है।
इस पद्धति का उपयोग गैर-पैरामीट्रिक मानों के विश्लेषण के लिए किया जाता है। 'डिस्टप्लॉट' का उपयोग करते समय, यदि तर्क 'केडीई' को सही पर सेट किया गया है और 'इतिहास' को गलत पर सेट किया गया है, तो केडीई की कल्पना की जा सकती है।
आइए देखें कि हम पायथन में कर्नेल घनत्व अनुमान की कल्पना कैसे कर सकते हैं -
उदाहरण
पंडों को pdimport सीबोर्न के रूप में sbfrom matplotlib आयात pyplot के रूप में pltdf =sb.load_dataset('iris')sb.distplot(df['petal_length'],kde =True, hist =False)plt.show() आउटपुट
स्पष्टीकरण
- आवश्यक पैकेज आयात किए जाते हैं।
- इनपुट डेटा 'आईरिस_डेटा' है जो स्किकिट लर्न लाइब्रेरी से लोड किया गया है।
- 'load_dataset' फ़ंक्शन का उपयोग आईरिस डेटा को लोड करने के लिए किया जाता है।
- यह डेटा 'डिस्टप्लॉट' फ़ंक्शन का उपयोग करके विज़ुअलाइज़ किया जाता है।
- यहां, पैरामीटर 'kde' को सही पर सेट किया गया है क्योंकि हम केवल हिस्टोग्राम प्रदर्शित करना चाहते हैं।
- यह दृश्य डेटा कंसोल पर प्रदर्शित होता है।
नोट - जब 'kde' का मान गलत के रूप में निर्दिष्ट किया जाता है, तो केवल हिस्टोग्राम प्रदर्शित होता है।