近来实验室的师姐要发论文,由于论文交稿时间临近,有一些杂活儿需要处理,作为实验室资历最浅的一批,我这个实习生也就责无旁贷地帮忙当个下手。今天师姐派了一个小活,具体要求的是:
给一些训练模型的迭代次数,训练精度的数据,让我做成图表形式展示出来,一方面帮助检查模型训练时的不足,另一方面来看样本数目和预测精度之间的联系,数据具体格式如下:
迭代1500
标签对acc训练测试
12 143 24 24 1.0
160 92 16 15 0.9375
100年12 2 0 0.0
142 0 0 0 0.0
152 0 0 0 0.0
110年10 2 0 0.0
170年12 2 2 1.0
42 421 70 63 0.9
31日43 8 5 0.625
22 132 22 18 0.818181818182
60 51 9 8 0.888888888889
51 916 153 143 0.934640522876
131 82 14 11 0.785714285714点
53 84 14 10 0.714285714286
70年9 2 2 1.0
21 531 89 89 1.0
120年1 1 1 1.0
11 454 76 71 0.934210526316
90年1 1 1 1.0
32 39 7 6 0.857142857143
41 151 25 14 0.56
132 0 0 0 0.0
151年43 7 6 0.857142857143
43 8 2 1 0.5
80 7 2 1 0.5点
141 1.0 96 16 16
44 67 12 2 0.166666666667
右:509准确性:0.883680555556
之前
我的任务就是以标签为自变量,绘制出它和训练及acc之间的关系。
接到这个任务后,最直观的感受就是常规的洗数据,于是我先把这些数据放在txt文件中存储下来,由于每个数据之间的间隔大于一个空格,我想当然地写个正则匹配脚本将数据间的大空格转换为一个逗号(转换为逗号的目的是这样可以直接转换为CSV表格文件,然而在本次任务中貌似意义不大…。)
# * * * * * * * * * * * * * * * * * * * * * * Python 3.6.1 * * * * * * * * * * * * * * * * * * * * * * * * * * * #
# *将txt文本数据中的过长的空格更为一个逗号* #
# * * * * * * * * * * * * * * * * *作者LQ * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * #
# * * * * * * * * * * * * * * * * * * * * * * 2018/4/4 * * * * * * * * * * * * * * * * * * * * * * * * * * * * #
# !/usr/bin/python
# - * -编码:utf - 8 - *
进口再保险
进口操作系统os #模块与文本操作直接相关的模块
# * * * * * * * * *下面三句代码作用不详,就是为了防止出现编码问题* * * * * * * * *
进口importlib
导入系统
importlib.reload(系统)
# * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
模式=' \ s + ' #匹配出文本中的长空格
类清洁:
#初始化
def __init__(自我):
os.chdir (' D: \ \ \ \ Machine_Learning \ \学习实习\ \师姐论文实验”)#改变工作目录到txt文件对应的目录
自我。内容=开放(“acc-onlyRealImage-Iter2500.txt”)
def grab_content(自我):
行=self.content.readline ()
pre=re.compile(模式)
而行:
line_1=pre.sub(', ',线)#将文本的长空格转换为逗号后,利于转成CSV格式,然后标签按照升序排列
self.Write_content (line_1)
行=self.content.readline ()
def Write_content(自我,line_1):
路径=' acc-onlyRealImage-Iter2500-after.txt '
f=开放(路径,“a”)
f.write (' \ n ' + line_1)
def运行(自我):
self.grab_content ()
if __name__==癬_main__”:
清洁=清洁()
cleaner.run ()
之前
数据清洗完成后,自然就是绘图了,逛了一些博客后,着手写个脚本,第一版是绘制出标签和火车及acc的双Y轴折线图,脚本较为简单,就是调用别人造的轮子,直接附上代码:
# * * * * * * * * * * * * * * * * * * * * * * Python 3.6.1 * * * * * * * * * * * * * * * * * * * * * * * * * * * #
# *绘制出双Y轴折线图* #
# * * * * * * * * * * * * * * * * *作者LQ * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * #
# * * * * * * * * * * * * * * * * * * * * * * 2018/4/4 * * * * * * * * * * * * * * * * * * * * * * * * * * * * #
# !/usr/bin/python
# - * -编码:utf - 8 - *
进口再保险
进口操作系统os #模块与文本操作直接相关的模块
进口matplotlib。pyplot作为plt
进口numpy np
# * * * * * * * * *下面三句代码作用不详,就是为了防止出现编码问题* * * * * * * * *
进口importlib
导入系统
importlib.reload(系统)
# * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * *
font2={“家庭”:“Times New Roman”,
“体重”:“正常”,
“大小”:18日
}
类图:
#初始化
def __init__(自我):
os.chdir (' D: \ \ \ \ Machine_Learning \ \学习实习\ \师姐论文实验”)#改变工作目录到指定文件目录
自我。内容=开放(“acc-onlyRealImage-Iter2200-after.txt”)
自我。content1=开放(“acc-onlyRealImage-Iter2500-after.txt”)
def grab_content(自我):
行=self.content.readlines ()
lines_1=self.content1.readlines ()
x_1=[line.strip () .split(" ")[0]行线)#字段以逗号分隔,这里取得是第4列
y_train_1=[line.strip () .split(" ")[1]行线)
y_train_2=[line.strip () .split(" ")[1]在lines_1]
y_acc_1=[line.strip () .split(" ")[4]行线)
y_acc_2=[line.strip () .split(" ")[4]在lines_1]
x=列表(范围(len (x_1)))
y_acc=[]
y_acc1=[]
y_train=[]
y_train1=[]
因为我在范围(len (y_acc_1)):
y_acc.append(浮动(y_acc_1[我]))
y_acc1.append(浮动(y_acc_2[我]))
y_train.append (int (y_train_1[我]))
y_train1.append (int (y_train_2[我]))
# plt。xticks (x, x_1、旋转=0)
无花果,left_axis=plt.subplots ()
p1,=left_axis。情节(x, y_train, ro -)
right_axis=left_axis.twinx ()
p2,=right_axis。情节(x, y_acc bo -)
plt。xticks (x, x_1、旋转=0)#设置x轴的显示形式
#设置左坐标轴以及右坐标轴的范围,精度
left_axis.set_ylim (0, 1201)
left_axis.set_yticks (np.arange (0, 1201, 200))
right_axis.set_ylim (0, - 1.01)
right_axis.set_yticks (np.arange (0、1.01、0.20))
#设置坐标及标题的大小,颜色
left_axis.set_title (RealAndSimulation-Iter6600, font2)
left_axis.set_xlabel(“标签”,font2)
left_axis。set_ylabel(训练集的数量,font2,颜色=' r ')
left_axis。tick_params (=y轴、颜色=' r ')
right_axis.set_ylabel(“准确性”,font2,颜色=' b ')
right_axis。tick_params (=y轴、颜色=' b ')
plt.show ()
def运行(自我):
self.grab_content ()
if __name__==癬_main__”:
画=图()
Drawing.run ()
