Python数据可视化：癌症预测模型训练结果分析

import matplotlib.pyplot as plt

# 创建一个大小为15x4的画布
plt.figure(figsize=(15, 4))

# 创建一个1行3列的子图，当前选中第1个子图
plt.subplot(131)

# 设置y轴标签为'MSE'
plt.ylabel('MSE')

# 绘制训练集损失值曲线，颜色为蓝色，线宽为3，图例为'train loss'
plt.plot(mse_train, color='b', linewidth=3, label='train loss')

# 绘制测试集损失值曲线，颜色为红色，线宽为1.5，图例为'test loss'
plt.plot(mse_test, color='r', linewidth=1.5, label='test loss')

# 设置子图标题为'损失值随迭代次数变化的曲线'，字体大小为14
plt.title('损失值随迭代次数变化的曲线', fontsize=14)

# 显示图例，位置在右上角
plt.legend(loc='upper right')

# 创建一个1行3列的子图，当前选中第2个子图
plt.subplot(132)

# 绘制训练集真实值曲线，颜色为蓝色，标记为圆圈，图例为'true'
plt.plot(Y_train, color='b', marker='o', label='true')

# 绘制训练集预测值曲线，颜色为红色，标记为点，图例为'predict'
plt.plot(PRED_train, color='r', marker='.', label='predict')

# 设置y轴标签为'2 or 4'
plt.ylabel('2 or 4')

# 设置子图标题为'训练集中癌症是否良性与预测的对比'，字体大小为14
plt.title('训练集中癌症是否良性与预测的对比', fontsize=14)

# 显示图例，位置在右上角，只显示一个点
plt.legend(loc='upper right', numpoints=1)

# 创建一个1行3列的子图，当前选中第3个子图
plt.subplot(133)

# 绘制测试集真实值曲线，颜色为蓝色，标记为圆圈，图例为'true'
plt.plot(Y_test, color='b', marker='o', label='true')

# 绘制测试集预测值曲线，颜色为红色，标记为点，图例为'predict'
plt.plot(PRED_test, color='r', marker='.', label='predict')

# 设置y轴标签为'2 or 4'
plt.ylabel('2 or 4')

# 设置子图标题为'测试集中癌症是否良性与预测的对比'，字体大小为14
plt.title('测试集中癌症是否良性与预测的对比', fontsize=14)

# 显示图例，位置在右上角，只显示一个点
plt.legend(loc='upper right', numpoints=1)

# 显示画布
plt.show()