机器学习 - 直方图

直方图是一种类似条形图的表示变量分布的方式。它显示变量每个值的出现频率。x轴表示变量的值范围，y轴表示每个值的频率或计数。每个条形的高度表示落在该值范围内的数 据点的数量。

直方图有助于识别数据中的模式，例如偏度、模态和异常值。偏度是指变量分布的不对称程度。模态是指分布中的峰值数量。异常值是指落在变量典型值范围之外的数据点。

直方图的Python实现

Python 提供了多个用于数据可视化的库，例如 Matplotlib、Seaborn、Plotly 和 Bokeh。在下面的示例中，我们将使用 Matplotlib 来实现直方图。

我们将使用 Sklearn 库中的乳腺癌数据集作为此示例。乳腺癌数据集包含有关乳腺癌细胞特征以及它们是恶性还是良性的信息。该数据集具有 30 个特征和 569 个样本。

示例

让我们从导入必要的库和加载数据集开始：

import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer
data = load_breast_cancer()

接下来，我们将创建数据集的平均半径特征的直方图：

plt.figure(figsize=(7.2, 3.5))
plt.hist(data.data[:,0], bins=20)
plt.xlabel('Mean Radius')
plt.ylabel('Frequency')
plt.show()

在这段代码中，我们使用了 Matplotlib 的 hist() 函数来创建数据集平均半径特征的直方图。我们将 bin 的数量设置为 20，以将数据范围划分为 20 个区间。我们还使用 xlabel() 和 ylabel() 函数为 x 轴和 y 轴添加了标签。

输出

生成的直方图显示了数据集中平均半径值的分布。我们可以看到数据大致呈正态分布，峰值约为 12-14。

包含多个数据集的直方图

我们还可以创建包含多个数据集的直方图来比较它们的分布。让我们为恶性和良性样本创建平均半径特征的直方图：

示例

plt.figure(figsize=(7.2, 3.5))
plt.hist(data.data[data.target==0,0], bins=20, alpha=0.5, label='Malignant')
plt.hist(data.data[data.target==1,0], bins=20, alpha=0.5, label='Benign')
plt.xlabel('Mean Radius')
plt.ylabel('Frequency')
plt.legend()
plt.show()

在这段代码中，我们两次使用了 hist() 函数来创建平均半径特征的两个直方图，一个用于恶性样本，一个用于良性样本。我们使用 alpha 参数将条形的透明度设置为 0.5，这样它们就不会完全重叠。我们还使用 legend() 函数向绘图添加了图例。

输出

执行此代码后，您将获得以下绘图作为输出：

生成的直方图显示了恶性和良性样本的平均半径值的分布。我们可以看到分布是不同的，恶性样本具有更高频率的更高平均半径值。