0
방금 작업 한 프로젝트에 대한 예측이 끝났습니다. 나는 어떤 시각화를 위해 그래프를 사용하려고하지만, 적절한 것을 찾는데 어려움을 겪고있다. 데이터는 꽤 크다. 아쉽게도 내 코드와 내 결과가 아래처럼 1 열의 모습을 그대로 유지합니다. 이것은 단지 1 열입니다. 어떻게 작동하는지 먼저 그래프 1 열에 표시하고 싶습니다. ive는 막대 그래프를 사용하려고 시도했지만 이상한 종류의 단색의 파란색 막대가 나타납니다. 그래서 무슨 그래프가 이런 종류의 정보에 좋은지 모르겠다. ( matplotlib 그래프 데이터 문제
교육 및 시험 열을 현명
기차 = pd.read_csv 일치해야 시험 및 대상 데이터 읽기
'C : /Users/Michael/Desktop/train.csv/train.csv를' , parse_dates = '날짜']) 시험 pd.read_csv = ('C : /Users/Michael/Desktop/test.csv/test.csv',parse_dates ='날짜 '])
# TRAINING data
#Convert crime labels to numbers
df_crime = preprocessing.LabelEncoder()
crime = df_crime.fit_transform(train.Category)
#Get binarized weekdays, districts, and hours using dummy variables
days = pd.get_dummies(train.DayOfWeek)
district = pd.get_dummies(train.PdDistrict)
hour = train.Dates.dt.hour
hour = pd.get_dummies(hour)
#Build new array
train_data = pd.concat([hour, days, district], axis=1)
train_data['crime']=crime
#train_data.head()
#Repeat for test data
days = pd.get_dummies(test.DayOfWeek)
district = pd.get_dummies(test.PdDistrict)
hour = test.Dates.dt.hour
hour = pd.get_dummies(hour)
test_data = pd.concat([hour, days, district], axis=1)
features = ['Friday', 'Monday', 'Saturday', 'Sunday', 'Thursday', 'Tuesday',
'Wednesday', 'BAYVIEW', 'CENTRAL', 'INGLESIDE', 'MISSION',
'NORTHERN', 'PARK', 'RICHMOND', 'SOUTHERN', 'TARAVAL', 'TENDERLOIN']
training, testing = train_test_split(train_data, train_size=.60)
#bernoulliNB
# predicting only on the training data
model_B = BernoulliNB()
model_B.fit(training[features], training['crime'])
predicted2 = np.array(model_B.predict_proba(testing[features]))
log_loss(testing['crime'], predicted2)
# predictingon the test data, using bernoulli model
predicted3 = model_B.predict_proba(test_data[features])
#Write results
result=pd.DataFrame(predicted3, columns=df_crime.classes_)
# this is an example of 1 of my columns that i would like to graph
result['SUICIDE']
0 0.000432
1 0.000432
2 0.000760
3 0.000903
4 0.000903
5 0.001089
6 0.000903
7 0.000903
8 0.000550
9 0.000744
10 0.000903
11 0.000550
12 0.000550
13 0.000744
14 0.000744
15 0.000219
16 0.001089
17 0.000903
18 0.000760
19 0.000760
20 0.000760
21 0.000550
22 0.000744
23 0.000903
24 0.000760
25 0.000787
26 0.000760
27 0.000265
28 0.000903
29 0.001089
완벽하게, 내가 찾고있는 것이 무엇인지, 감사합니다. – lupejuares