علم البيانات - رسم وظائف خطية

مجموعة بيانات الساعات الرياضية

ألق نظرة على مجموعة البيانات الصحية الخاصة بنا:

مدة	متوسط النبض	Max_Pulse	السعرات الحرارية	ساعات_العمل	ساعات_النوم
30	80	120	240	10	7
30	85	120	250	10	7
45	90	130	260	8	7
45	95	130	270	8	7
45	100	140	280	0	7
60	105	140	290	7	8
60	110	145	300	7	8
60	115	145	310	8	8
75	120	150	320	0	8
75	125	150	330	8	8

ارسم البيانات الموجودة في بايثون

الآن ، يمكننا أولاً رسم قيم Average_Pulse مقابل Calorie_Burnage باستخدام مكتبة matplotlib.

تُستخدم plot()الوظيفة لإنشاء مؤامرة سداسية ثنائية الأبعاد من النقاط x ، y:

مثال

import matplotlib.pyplot as plt

health_data.plot(x ='Average_Pulse', y='Calorie_Burnage', kind='line'),
plt.ylim(ymin=0)
plt.xlim(xmin=0)

plt.show()

شرح المثال

قم باستيراد وحدة pyplot من مكتبة matplotlib
ارسم البيانات من Average_Pulse مقابل Calorie_Burnage
kind='line'يخبرنا أي نوع من الحبكة نريد. هنا ، نريد أن يكون لدينا خط مستقيم
يخبرنا plt.ylim () و plt.xlim () القيمة التي نريد أن يبدأ المحور منها. هنا ، نريد أن يبدأ المحور من الصفر
يظهر لنا plt.show () الإخراج

سوف ينتج عن الكود أعلاه النتيجة التالية:

إخراج الرسم البياني

كما نرى ، هناك علاقة بين معدل النبضة والسعرات الحرارية. يزيد معدل حرق السعرات الحرارية بالتناسب مع النبضات المتوسطة. هذا يعني أنه يمكننا استخدام معدل النبضات للتنبؤ بالحرق السعرات الحرارية.

لماذا لم يتم سحب الخط بالكامل إلى المحور ص؟

والسبب هو أننا لا نملك ملاحظات حيث يساوي معدل النبضات أو السعرات الحرارية صفرًا. 80 هي الملاحظة الأولى لـ Average_Pulse و 240 هي الملاحظة الأولى لـ Calorie_Burnage.

انظر إلى الخط. ماذا يحدث لحرق السعرات الحرارية إذا زاد معدل النبض من 80 إلى 90؟

يمكننا استخدام الخط المائل لإيجاد الدالة الرياضية للتنبؤ بحرق السعرات الحرارية.

كما تبين:

إذا كان متوسط النبض 80 ، فإن حرق السعرات الحرارية هو 240
إذا كان متوسط النبض 90 ، فإن حرق السعرات الحرارية هو 260
إذا كان متوسط النبض 100 ، فإن حرق السعرات الحرارية هو 280

هناك نمط. إذا زاد متوسط النبض بمقدار 10 ، يزداد حرق السعرات الحرارية بمقدار 20.

❮ سابق التالي ❯