axes

参考：作者的 Jupyter Notebook Chapter 5 – Support Vector Machines 支持向量机（简称SVM）是一个功能强大并且全面的机器学习模型，它能够执行线性或非线性分类、回归，甚至是异常值检测任务。它是机器学习领域最受欢迎的模型之一，任何对机器学习感兴趣的人都应该在工具箱中配备一个。SVM特别适用于中小型复杂数据集的分类。 保存图片 from __future__ import division, print_function, unicode_literals import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt import os np.random.seed(42) mpl.rc('axes', labelsize=14) mpl.rc('xtick', labelsize=12) mpl.rc('ytick', labelsize=12) # Where to save the figures PROJECT_ROOT_DIR = "images" CHAPTER_ID = "traininglinearmodels" def save_fig(fig_id, tight_layout=True): path = os.path.join

fig = plt.figure('多图', (10, 10), dpi=80) #第一个指定窗口名称，第二个指定图片大小，创建一个figure对象 plt.subplot(222) #2*2的第二个 plt.axis([0, 6, 0, 20]) #指定坐标轴范围 t = np.arange(0, 5, 0.2) plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') #可以连着写多个 plt.subplot(221) #2*2第一个，这句下面直接写绘图语句和设置语句 x = np.arange(-10, 10, 0.01) y = np.exp(-x)*np.cos(2*np.pi*x) plt.plot(x, y, 'r') plt.xlim([-10, 10]) plt.show() fig.savefig('linshi.png') #保存figure 2 源自 matplotlib subplot 子图 - Claroja - CSDN博客 http://blog.csdn.net/claroja/article/details/70841382 如果不指定figure()的axes，figure(1)命令默认会被建立，同样的如果不指定subplot(numrows, numcols, fignum)的轴axes

示例图： https://matplotlib.org/tutorials/introductory/sample_plots.html#sphx-glr-tutorials-introductory-sample-plots-py 自定义Matplotlib： https://matplotlib.org/tutorials/introductory/customizing.html#sphx-glr-tutorials-introductory-customizing-py 图像教程： https://matplotlib.org/tutorials/introductory/images.html#sphx-glr-tutorials-introductory-images-py 画廊： https://matplotlib.org/gallery.html 使用指南 matplotlib拥有广泛的代码库，大多数都可以通过一个相当简单的概念框架和一些重要知识来理解 绘图需要在一系列级别上进行操作。绘图包的目的是帮助尽可能轻松的可视化数据，并提供所有必要的控制。 因此matplotlib中所有内容都是按层次结构进行组织。顶部是matplotlib状态机环境。简单函数用于将绘图元素添加到当前图形的当前轴 层次结构下的是面向对象接口的第一级，其中pyplot仅用于少数功能

Like SVMs, Decision Trees are versatile Machine Learning algorithms that can perform both classification and regression tasks, and even multioutput tasks. They are very powerful algorithms, capable of fitting complex datasets. For example, in ( https://blog.csdn.net/Linli522362242/article/details/103587172 ) you trained a DecisionTreeRegressor model on the California housing dataset, fitting it perfectly (actually overfitting it). Decision Trees are also the fundamental components of Random Forests , which are among the most powerful Machine Learning algorithms available today. we will start

matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。 它的文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。 在Linux下比较著名的数据图工具还有gnuplot，这个是免费的，Python有一个包可以调用gnuplot，但是语法比较不习惯，而且画图质量不高。 而 Matplotlib 则比较强：Matlab的语法、python语言、latex的画图质量（还可以使用内嵌的latex引擎绘制的数学公式）。 Matplotlib.pyplot快速绘图 快速绘图 和 面向对象方式绘图 matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。 为了方便快速绘图matplotlib通过pyplot模块提供了一套和MATLAB类似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部。我们只需要调用pyplot模块所提供的函数就可以实现快速绘图以及设置图表的各种细节。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。

目录 基本操作 子图与标注 风格 条形图 条形图细节 条形图外观 盒图绘制 小提琴图 绘图细节设置 3D图 pi图 子图布局 嵌套图 基本操作 import numpy as np import matplotlib.pyplot as plt plt.plot([1,2,3,4,5],[1,4,9,16,25],'-.',color='r') #横标，纵标，线条样式与颜色 plt.xlabel('xlabel',fontsize = 16) plt.ylabel('ylabel',fontsize = 16) 图像如下，以及属性值表 子图与标注 标注 import numpy as np import matplotlib.pyplot as plt x = np.linspace(-10,10,) #linspace是均分计算指令，用于产生x1,x2之间的N点行线性的矢量。其中x1、x2、N分别为起始值、终止值、元素个数。若默认N，默认点数为100。 y = np.sin(x) plt.plot(x,y,linewidth=3,color='b',linestyle=':',marker='o',markerfacecolor='r',markersize=5,alpha=0.4,) #线宽度，颜色，样式，标记点样式，标记点颜色，标记点规格 line = plt.plot(x

看看matplotlib是什么？ matplotlib是python上的一个2D绘图库，它可以在夸平台上边出很多高质量的图像。综旨就是让简单的事变得更简单，让复杂的事变得可能。我们可以用matplotlib生成 绘图、直方图、功率谱、柱状图、误差图、散点图等 。 matplotlib的发明人为John Hunter（1968－2012），很不幸，他已经在癌症治疗过程中引起的综合症中去世。一代伟人有很多贡献，我们要缅怀他。如果我们从他的贡献中受益很大的话，请考虑为 John Hunter Technology Fellowship 贡献你的力量。 下面的内容我们是基于matplotlib 版本1.5.3进行学习。 matplotlib在以后的工作与学习中有很大的用处，很有必要系统学习一下。 我的ipthon nootbook 中，当用plt.show()函数显示出来了图片，这时分把程序阻塞，然后关了figure之后，就可以继续运行，但是这时的上面所创建的figure与axes就相当于清除了。 在Ipython中，我们可能输入函数名加上？？得到函数的源码； matplotlib实际上为面向对象的绘图库，它所绘制的每个元素都有一个对象与之对应的。 figure就是一个图啦，axes表示图上的一个画图区域啦，一个图上可以有多个画图区域的啦，意思就是说，一个图上可以有多个子图啊。