در این مطلب، ویدئو طرح پراکندگی (پایتون 3) با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:06:54
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,030 –> 00:00:01,890
بنابراین Scatterplot یکی از ابزارهایی است که
2
00:00:01,890 –> 00:00:03,300
واقعاً می تواند به دریافت بینش خوب
3
00:00:03,300 –> 00:00:05,790
از یک مجموعه داده کمک کند، بنابراین در اینجا
4
00:00:05,790 –> 00:00:11,519
مجموعه داده گل زنبق را پراکنده می کنم که در آن جایی
5
00:00:11,519 –> 00:00:16,560
که هستیم، گل ها را به عنوان
6
00:00:16,560 –> 00:00:20,220
گونه ای طبقه بندی می کنیم، مانند دسته بندی گونه
7
00:00:20,220 –> 00:00:24,300
های گل در بر اساس
8
00:00:24,300 –> 00:00:25,500
طول کاسبرگ و عرض نمونه و
9
00:00:25,500 –> 00:00:30,240
لنتن و و و پهنای گلبرگ بهتر است، بنابراین
10
00:00:30,240 –> 00:00:33,239
بیایید یک نمودار پراکندگی را اجرا کنیم که
11
00:00:33,239 –> 00:00:36,420
طول کاسبرگ و عرض کاسبرگ را به عنوان محور x و y
12
00:00:36,420 –> 00:00:39,180
y در نظر می گیرد تا به شما یک ایده نسبتاً درست
13
00:00:39,180 –> 00:00:42,719
از چگونگی شکل پراکندگی ارائه دهد.
14
00:00:42,719 –> 00:00:45,570
بنابراین در اینجا من فایل IRS dot CSV را
15
00:00:45,570 –> 00:00:52,820
در پانداهای وارد کننده نوت بوک مشتری آپلود کرده ام به عنوان PD
16
00:00:52,820 –> 00:00:55,680
به من کمک می کند فایل CSV را بخوانم بنابراین
17
00:00:55,680 –> 00:01:05,510
عنبیه برابر با PD نقطه خواندن CSV نقطه عنبیه
18
00:01:05,510 –> 00:01:11,100
CSV است و سپس برای رسم نمودار
19
00:01:11,100 –> 00:01:15,119
پراکندگی می توانیم از
20
00:01:15,119 –> 00:01:24,080
نوع نمودار نقطه عنبیه متغیر برابر با پراکندگی و
21
00:01:24,080 –> 00:01:34,350
محور x است که محور x برابر با y برابر با
22
00:01:34,350 –> 00:01:46,590
متأسفانه است، سپس y برابر است
23
00:01:46,590 –> 00:01:56,820
با نمونه متأسفانه چپ ساده با سانتی متر، بنابراین در اینجا می
24
00:01:56,820 –> 00:01:58,619
توانید ببینید، بنابراین در اینجا می توانید ببینید که ما با
25
00:01:58,619 –> 00:02:00,090
موفقیت طرح پراکندگی را
26
00:02:00,090 –> 00:02:03,270
با محور x پیاده سازی کرده ایم. به اندازه عرض کاسبرگ و سپس محور y است
27
00:02:03,270 –> 00:02:05,820
و ما
28
00:02:05,820 –> 00:02:08,550
هیچ بینشی از این نمودار پراکنده نمی گیریم، این
29
00:02:08,550 –> 00:02:11,310
نمودار پراکندگی فقط دو عدد است،
30
00:02:11,310 –> 00:02:13,740
فقط محدوده را نشان می دهد، فقط محدوده
31
00:02:13,740 –> 00:02:16,460
هر دو ساده و سپس تثبیت شده با
32
00:02:16,460 –> 00:02:18,660
گونه های مختلف را نشان می دهد.
33
00:02:18,660 –> 00:02:21,090
گل درست است که محدوده
34
00:02:21,090 –> 00:02:23,400
طول کاسبرگ چقدر است و محدوده
35
00:02:23,400 –> 00:02:27,150
عرض کاسبرگ چقدر است خوب است، پس بیایید
36
00:02:27,150 –> 00:02:29,910
به این موضوع عمیقتر بپردازیم، بنابراین بیایید بگوییم اگر
37
00:02:29,910 –> 00:02:32,790
میخواهم رسم کنم، پس بیایید با
38
00:02:32,790 –> 00:02:36,320
کد رنگی آن را عمیقتر کنیم تا
39
00:02:36,320 –> 00:02:41,280
که کمک کند. ما واقعاً
40
00:02:41,280 –> 00:02:43,710
محدوده مقادیر را در گونه های مختلف
41
00:02:43,710 –> 00:02:48,000
ببینیم زیرا به دلیل اینکه برای هر گونه یک کد رنگی خواهیم داشت،
42
00:02:48,000 –> 00:02:52,440
بنابراین در اینجا کاری
43
00:02:52,440 –> 00:02:56,630
که می توانیم انجام دهیم این است که می توانیم Cu متولد شده را به عنوان
44
00:02:56,630 –> 00:03:14,040
SNS mat بسیاری از نقطه چپ نمودار pi را به عنوان PLT وارد
45
00:03:14,040 –> 00:03:16,380
کنیم. هر دو کتابخانهای که
46
00:03:16,380 –> 00:03:20,760
به ما کمک میکنند نمودار پراکندگی کد رنگی را ترسیم کنیم
47
00:03:20,760 –> 00:03:27,980
تا SNS