支持向量回归 (SVR) 在 Ubuntu 18.04 LTS 中没有绘制图表

Question

我在 Ubuntu 18.04 LTS 中使用 Python 2.7.15rc1。我试图绘制支持向量回归图，但我没有得到任何输出。

import matplotlib
matplotlib.use("Agg")
import numpy as np
from sklearn.svm import SVR
import matplotlib.pyplot as plt

#Generate Sample data
x = np.sort(5 * np.random.rand(40, 1), axis = 0)
y = np.sin(x).ravel()

#Add noise to targets
y[::5] += 3 * (0.5 - np.random.rand(8))

#create classifier regression model
svr_rbf = SVR(kernel="rbf", C=1000, gamma=0.1)
svr_lin = SVR(kernel="linear", C=1000, gamma=0.1)
svr_poly = SVR(kernel="poly", C=1000, gamma=0.1)

#Fit regression model
y_rbf = svr_rbf.fit(x,y).predict(x)
y_lin = svr_lin.fit(x,y).predict(x)
y_poly = svr_poly.fit(x,y).predict(x)

#Plotting of results
lw = 2
plt.scatter(x, y, color="darkorange", label="data")
plt.plot(x, y_rbf, color="navy", lw=lw, label="RBF Model")
plt.plot(x, y_lin, color="c", lw=lw, label="Linear Model")
plt.plot(x, y_poly, color="cornflowerblue", lw=lw, label="Polynomial Model")
plt.xlabel("data")
plt.ylabel("target")
plt.title("Support Vector Regression")
plt.legend()
plt.show()

python svm.py 什么都不输出。我错过了要导入的东西吗？或者我们不能绘制这个图？我是机器学习新手

Answer 1

Matplotlib 可以使用几种 "backends" 之一来生成图形。这些后端做不同的事情。在您的情况下，您指定了 Agg 用于写入 PNG 文件的后端：

matplotlib.use("Agg")

因此解决方案是 删除该行 以使用系统的默认后端或选择在屏幕上生成图形的后端。你可能会先这些：

matplotlib.use("GTK3Agg")
matplotlib.use("WXAgg")
matplotlib.use("TkAgg")
matplotlib.use("Qt5Agg")

有关后端的完整列表，请参阅 https://matplotlib.org/faq/usage_faq.html#what-is-a-backend。

Answer 2

如果您在 Jupyter Ipython notebook 上运行，则只需在代码顶部添加 %matplotlib inline。您可以阅读更多相关信息 and here。

否则，我复制了你的代码并删除了 matplotlib.use("Agg") ，它适用于 Ubuntu 18.04，matplotlib 版本 2.2.2。您能指定您使用的是哪个版本吗？

代码也在这里，

import matplotlib
import numpy as np
from sklearn.svm import SVR
import matplotlib.pyplot as plt

#Generate Sample data
x = np.sort(5 * np.random.rand(40, 1), axis = 0)
y = np.sin(x).ravel()

#Add noise to targets
y[::5] += 3 * (0.5 - np.random.rand(8))

#create classifier regression model
svr_rbf = SVR(kernel="rbf", C=1000, gamma=0.1)
svr_lin = SVR(kernel="linear", C=1000, gamma=0.1)
svr_poly = SVR(kernel="poly", C=1000, gamma=0.1)

#Fit regression model
y_rbf = svr_rbf.fit(x,y).predict(x)
y_lin = svr_lin.fit(x,y).predict(x)
y_poly = svr_poly.fit(x,y).predict(x)

#Plotting of results
lw = 2
plt.scatter(x, y, color="darkorange", label="data")
plt.plot(x, y_rbf, color="navy", lw=lw, label="RBF Model")
plt.plot(x, y_lin, color="c", lw=lw, label="Linear Model")
plt.plot(x, y_poly, color="cornflowerblue", lw=lw, label="Polynomial Model")
plt.xlabel("data")
plt.ylabel("target")
plt.title("Support Vector Regression")
plt.legend()
plt.show()

支持向量回归 (SVR) 在 Ubuntu 18.04 LTS 中没有绘制图表

Support Vector Regression (SVR) plots no graph in Ubuntu 18.04 LTS

python

machine-learning

matplotlib

svm

scikit-learn