系统网站建设ppt,公司市场营销策划方案,学生管理系统,做网站长尾词内容导航
类别内容导航机器学习机器学习算法应用场景与评价指标机器学习算法—分类机器学习算法—回归机器学习算法—聚类机器学习算法—异常检测机器学习算法—时间序列数据可视化数据可视化—折线图数据可视化—箱线图数据可视化—柱状图数据可视化—饼图、环形图、雷达图统…内容导航
类别内容导航机器学习机器学习算法应用场景与评价指标机器学习算法—分类机器学习算法—回归机器学习算法—聚类机器学习算法—异常检测机器学习算法—时间序列数据可视化数据可视化—折线图数据可视化—箱线图数据可视化—柱状图数据可视化—饼图、环形图、雷达图统计学检验箱线图筛选异常值3 Sigma原则筛选离群值Python统计学检验大数据PySpark大数据处理详细教程使用教程CentOS服务器搭建Miniconda环境Linux服务器配置免密SSH大数据集群缓存清理面试题整理面试题—机器学习算法面试题—推荐系统 传入一个list,以及几倍的sigma参数threshold,可以将数据中的正常值及离群值用不同颜色展示出来import numpy as np
import pandas as pd
import matplotlib.pyplot as pltdef Outlier_visualization_line(data,threshold):plt.style.use(ggplot)data pd.Series(data)mean data.mean()std data.std()#筛选出离群值left mean - threshold * stdright mean threshold * stderror data[(dataleft)|(dataright)]data_c data[(dataleft)(dataright)]# #不同着色,正常绿色离群值红色# sp np.where(data.isin(data_c),g,r) # 可视化fig plt.figure(figsize(12,8))plt.plot(data.index,data.values,bo--,alpha0.4)plt.scatter(error.index,error.values,cr,s60)plt.title(Outlier Visualization,size20)plt.text(len(data)*0.4,data.values.max()data.values.max()*0.01,r$\mu{},\ \sigma{}$.format(round(mean,2),round(std,2)),fontsize14,bboxdict(facecolorred, alpha0.2))# 添加水平辅助线plt.axhline添加垂直辅助线plt.axvline(轴位置线形标签))plt.axhline(left,linestyle --,label{} sigma low.format(threshold))plt.axhline(right,linestyle --,label{} sigma up.format(threshold))plt.xlabel(Index,size18)plt.ylabel(Value,size18)plt.grid(True)plt.legend(locbest)plt.show()fig.savefig(Outlier_visualization_line.png,dpi600)data np.random.randn(100)*100
Outlier_visualization_line(data,threshold1.5)传入一个list,以及几倍的sigma参数threshold,可以将数据中的正常值及离群值用不同颜色展示出来import numpy as np
import pandas as pd
import matplotlib.pyplot as pltdef Outlier_visualization_scatter(data,threshold):plt.style.use(ggplot)data pd.Series(data)mean data.mean()std data.std()#筛选出离群值left mean - threshold * stdright mean threshold * stderror data[(dataleft)|(dataright)]data_c data[(dataleft)(dataright)]#不同着色,正常绿色离群值红色sp np.where(data.isin(data_c),g,r) # 可视化fig plt.figure(figsize(12,8))plt.scatter(data.index,data.values,markero,csp)plt.title(Outlier Visualization,size20)plt.text(len(data)*0.4,data.values.max(),r$\mu{},\ \sigma{}$.format(round(mean,2),round(std,2)),fontsize14,bboxdict(facecolorred, alpha0.2))plt.xlabel(Index,size18)plt.ylabel(Value,size18)plt.grid(True)plt.show()fig.savefig(Outlier_visualization_scatter.png,dpi600)data np.random.randn(10000)*100
Outlier_visualization_scatter(data,threshold2.7)友情提示如果你觉得这个博客对你有帮助请点赞、评论和分享吧如果你有任何问题或建议也欢迎在评论区留言哦
