7eaddd9a54
ML - устранение неточностей и багов ML - оптимизация производительности DecisionTreeRegressor.Fit, RandomForestRegressor.Fit ML - тесты
27 lines
1 KiB
ObjectPascal
27 lines
1 KiB
ObjectPascal
// В этом примере строится pair plot для всех признаков датасета Iris.
|
||
//
|
||
// На диагонали расположены гистограммы отдельных признаков,
|
||
// а вне диагонали — scatter plot для всех пар признаков.
|
||
//
|
||
// Цвет точки показывает класс цветка.
|
||
|
||
uses MLABC, PlotML;
|
||
|
||
begin
|
||
var ds := Datasets.Iris;
|
||
var df := ds.Data;
|
||
|
||
// Преобразуем признаки в матрицу.
|
||
var X := df.ToMatrix(ds.Features);
|
||
|
||
// Кодируем классы в числа, чтобы раскрасить точки по видам Iris.
|
||
var y := df.EncodeLabels(ds.Target);
|
||
|
||
Println('Pair plot для датасета Iris');
|
||
Println;
|
||
Println('На диагонали показаны гистограммы признаков.');
|
||
Println('Вне диагонали показаны scatter plot для всех пар признаков.');
|
||
|
||
Plot.PairPlot(X, LabelsToInts(y), ds.Features);
|
||
end.
|