机器学习（1）--数据可视化
文章目录
- 数据可视化
- 作用
- 可视化方法
- 实现可视化
- 总结
数据可视化
数据可视化是将数据以图形、图像、动画等视觉形式表示出来，以便人们能够更直观地理解、分析和交流数据中的信息。
作用
一个整理的好好的数据，我们为什么要将其可视化呢？将它可视化之后我们能得到什么呢？
首先，我们可以通过可视化，观测数据规律，预测数据变化，比如：
在这副图中，我们预测25日可能患病的人数比例，随着图像的趋势变化，下一个数据点很大概率落在红点周围，不太可能忽然比率为0或1，这就是数据可视化的一个作用，使我们能够预测数据的下一步变化。
除此之外，通过可视化，可以直观地看到不同类别数据在特征空间中的分布情况，有助于了解数据的密集区、稀疏区以及可能的类别边界。比如：
这些都是数据可视化的作用。那么，我们有哪些可视化的方法呢？
可视化方法
-
**图表类可视化：**条形图/柱状图、折线图、饼图、散点图以及面积图
-
**地图类可视化：**地理可视化、热力图
-
**动态与交互式可视化：**动态图表、交互式可视化
-
**其它可视化方法：**3D可视化、文本可视化、大数据可视化
数据可视化方法多种多样，可以根据具体的数据类型和分析需求选择合适的方法进行展示。在实际应用中，还可以结合多种可视化方法，以更全面地展示数据的特点和规律。
说了那么多可视化的方法，可以通过一个个的表面文字数据神奇的将它们变成这么多的多种多样的图像，到底怎么做到的呢？接下来让我们来看看如何实现数据可视化！
实现可视化
- 收集并整理训练数据和测试数据，确保数据的格式和类型适合进行可视化。
- 选择可视化工具：根据数据的特性和可视化的需求选择合适的可视化工具，如Matplotlib：
import matplotlib.pyplot as plt #导入工具包
- 创建维度空间，用以绘画
fig = plt.figure() #创建图像对象，默认是二维
ax = plt.axes(projection = "3d") #将图像转化为三维图像，创建一个空白的三维空间
- 添加数据
#给空白图像添加数据
#ax.scatter(x,y,z,……,c = "#00DDAA",marker = "o")
#x,y,z分别为对应的轴 c：指定颜色十六进制编码 marker：指定显示形状
ax.scatter(data_1[:,0],data_1[:,1],data_1[:,2],c = "#00DDAA",marker = "o")
- 给图像坐标轴命名
#给图像坐标轴命名 ---> ax.set(x,y,z……)
ax.set(xlabel = "mile",ylabel = "play_time",zlabel = "eat")
- 展示图像
#展示图像
plt.show()
- 图像调整：图像不是一成不变的，我们要将图像调整成便于我们观测的模样
-- 比如，当进行KNN算法时，我们发现图像中分类效果不够直观或者不清晰时，我们可以通过调整k的值调整图像的分布，方便我们观察数据
总结
本篇我们介绍了，如何将一个个表面的文字数据转化为空间中的图像，让我们能够更好、更清晰的观察它们。
- 作用：观察数据，预测数据，调整数据。
- 可视化方法：可以将数据进行哪些方法展示出来
- 实现可视化：注意学会如何调整图像哦！