7eaddd9a54
ML - устранение неточностей и багов ML - оптимизация производительности DecisionTreeRegressor.Fit, RandomForestRegressor.Fit ML - тесты
29 lines
1 KiB
ObjectPascal
29 lines
1 KiB
ObjectPascal
// В этом примере строится scatter plot для двух признаков датасета Iris.
|
||
//
|
||
// По оси X откладывается длина чашелистика,
|
||
// по оси Y — ширина чашелистика.
|
||
//
|
||
// Цвет точки показывает класс цветка.
|
||
|
||
uses MLABC, PlotML;
|
||
|
||
begin
|
||
var ds := Datasets.Iris;
|
||
var df := ds.Data;
|
||
|
||
// Берем два признака для двумерного графика.
|
||
var sepalLength := df.ToVector('sepal_length');
|
||
var sepalWidth := df.ToVector('sepal_width');
|
||
|
||
// Кодируем классы в числа, чтобы раскрасить точки по видам Iris.
|
||
var y := df.EncodeLabels(ds.Target);
|
||
|
||
Println('Scatter plot для датасета Iris');
|
||
Println;
|
||
Println('По оси X: sepal_length');
|
||
Println('По оси Y: sepal_width');
|
||
|
||
Plot.Points(sepalLength, sepalWidth, y, size := 6);
|
||
Plot.SetLabels('Iris: scatter plot', 'sepal_length', 'sepal_width');
|
||
end.
|