使用python matploblib庫繪製準確率,損失率折線圖
阿新 • • 發佈:2020-06-16
我就廢話不多說了,大家還是直接看程式碼吧~
import matplotlib.pyplot as plt epochs = [0,1,2,3] acc = [4,8,6,5] loss = [3,4] plt.plot(epochs,acc,color='r',label='acc') # r表示紅色 plt.plot(epochs,loss,color=(0,0),label='loss') #也可以用RGB值表示顏色 #####非必須內容######### plt.xlabel('epochs') #x軸表示 plt.ylabel('y label') #y軸表示 plt.title("chart") #圖示標題表示 plt.legend() #每條折線的label顯示 ####################### plt.savefig('test.jpg') #儲存圖片,路徑名為test.jpg plt.show() #顯示圖片
補充知識:matplotlib畫混淆矩陣和正確率曲線
混淆矩陣
找不到參看的那篇部落格啦~~希望原博主不要討伐我
#!/usr/bin/python3.5 # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['FangSong'] #可顯示中文字元 plt.rcParams['axes.unicode_minus']=False classes = ['a','b','c','d','e','f','g'] confusion_matrix = np.array([(99,6),(1,98,7,1),(0,86,94,5,96,8),4,3,85)],dtype=np.float64) plt.imshow(confusion_matrix,interpolation='nearest',cmap=plt.cm.Oranges) #按照畫素顯示出矩陣 plt.title('混淆矩陣') plt.colorbar() tick_marks = np.arange(len(classes)) plt.xticks(tick_marks,classes,rotation=-45) plt.yticks(tick_marks,classes) thresh = confusion_matrix.max() / 2. #iters = [[i,j] for i in range(len(classes)) for j in range((classes))] #ij配對,遍歷矩陣迭代器 iters = np.reshape([[[i,j] for j in range(7)] for i in range(7)],(confusion_matrix.size,2)) for i,j in iters: plt.text(j,i,format(confusion_matrix[i,j]),fontsize=7) #顯示對應的數字 plt.ylabel('真實類別') plt.xlabel('預測類別') plt.tight_layout() plt.show()
正確率曲線
fig,ax= plt.subplots() plt.plot(np.arange(iterations),fig_acc,'b') plt.plot(np.arange(iterations),fig_realacc,'r') ax.set_xlabel('迭代次數') ax.set_ylabel('正確率(%)') labels = ["訓練正確率","測試正確率"] # labels = [l.get_label() for l in lns] plt.legend( labels,loc=7) plt.show()
以上這篇使用python matploblib庫繪製準確率,損失率折線圖就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。