Python Matplotlib 绘制损失曲线和房价预测对比图

Python Matplotlib 绘制损失曲线和房价预测对比图/n/npython/nimport matplotlib.pyplot as plt/n/n# 设置画布大小/nplt.figure(figsize=(15, 4))/n/n# 设置子图1/nplt.subplot(131)/n/n# 设置y轴标签/nplt.ylabel('MSE')/n/n# 绘制训练集损失曲线/nplt.plot(mse_train, color = 'b', linewidth = 3, label = 'train loss')/n/n# 绘制测试集损失曲线/nplt.plot(mse_test, color = 'r', linewidth = 1.5, label = 'test loss')/n/n# 设置子图1标题/nplt.title('损失值随迭代次数变化的曲线', fontsize = 14)/n/n# 设置图例/nplt.legend(loc = 'upper right')/n/n# 设置子图2/nplt.subplot(132)/n/n# 绘制训练集实际房价曲线/nplt.plot(Y_train, color = 'b', marker = 'o', label = 'true_price')/n/n# 绘制训练集预测房价曲线/nplt.plot(PRED_train, color = 'r', marker = '.', label = 'predict')/n/n# 设置子图2标题/nplt.title('训练集中实际房价与预测的对比', fontsize = 14)/n/n# 设置图例/nplt.legend(loc = 'upper right')/n/n# 设置子图3/nplt.subplot(133)/n/n# 绘制测试集实际房价曲线/nplt.plot(Y_test, color = 'b', marker = 'o', label = 'true_price')/n/n# 绘制测试集预测房价曲线/nplt.plot(PRED_test, color = 'r', marker = '.', label = 'predict')/n/n# 设置y轴标签/nplt.ylabel('Price')/n/n# 设置子图3标题/nplt.title('测试集中的实际房价与预测的对比', fontsize = 14)/n/n# 设置图例/nplt.legend(loc = 'upper right')/n/n# 显示图形/nplt.show()/n/n/n### 代码解释:/n/n1. 画图库导入： import matplotlib.pyplot as plt/n 导入 Matplotlib 库并将其命名为 plt，方便后续使用。/n/n2. 设置画布大小： plt.figure(figsize=(15,4))/n 创建一张画布，并设置画布大小为 15 英寸宽，4 英寸高。/n/n3. 设置子图1： plt.subplot(131)/n 将画布分割成 1 行 3 列的子图，并选择第一个子图进行绘制。/n/n4. 设置y轴标签： plt.ylabel('MSE')/n 设置子图1的 y 轴标签为 'MSE'，表示均方误差。/n/n5. 绘制训练集损失曲线： plt.plot(mse_train,color = 'b',linewidth = 3,label = 'train loss')/n 绘制训练集损失曲线，横轴为迭代次数，纵轴为 MSE。/n - mse_train：训练集的损失值列表。/n - color = 'b'：设置曲线颜色为蓝色。/n - linewidth = 3：设置曲线宽度为 3 像素。/n - label = 'train loss'：设置曲线标签为 'train loss'，用于图例显示。/n/n6. 绘制测试集损失曲线： plt.plot(mse_test,color = 'r',linewidth = 1.5,label = 'test loss')/n 绘制测试集损失曲线，与训练集损失曲线类似，但颜色为红色，宽度为 1.5 像素，标签为 'test loss'。/n/n7. 设置子图1标题： plt.title('损失值随迭代次数变化的曲线',fontsize = 14)/n 设置子图1的标题为 '损失值随迭代次数变化的曲线'，字体大小为 14。/n/n8. 设置图例： plt.legend(loc = 'upper right')/n 显示子图1的图例，并将图例放置在右上角。/n/n9. 设置子图2： plt.subplot(132)/n 选择第二个子图进行绘制。/n/n10. 绘制训练集实际房价曲线： plt.plot(Y_train,color = 'b',marker = 'o',label = 'true_price')/n 绘制训练集实际房价曲线，横轴为样本索引，纵轴为房价。/n - Y_train：训练集的实际房价列表。/n - color = 'b'：设置曲线颜色为蓝色。/n - marker = 'o'：设置数据点标记为圆圈。/n - label = 'true_price'：设置曲线标签为 'true_price'。/n/n11. 绘制训练集预测房价曲线： plt.plot(PRED_train,color = 'r',marker = '.',label = 'predict')/n 绘制训练集预测房价曲线，与实际房价曲线类似，但颜色为红色，标记为点，标签为 'predict'。/n/n12. 设置子图2标题： plt.title('训练集中实际房价与预测的对比',fontsize = 14)/n 设置子图2的标题为 '训练集中实际房价与预测的对比'。/n/n13. 设置图例： plt.legend(loc = 'upper right')/n 显示子图2的图例，并将图例放置在右上角。/n/n14. 设置子图3： plt.subplot(133)/n 选择第三个子图进行绘制。/n/n15. 绘制测试集实际房价曲线： plt.plot(Y_test,color = 'b',marker = 'o',label = 'true_price')/n 绘制测试集实际房价曲线，与训练集实际房价曲线类似。/n/n16. 绘制测试集预测房价曲线： plt.plot(PRED_test,color = 'r',marker = '.',label = 'predict')/n 绘制测试集预测房价曲线，与训练集预测房价曲线类似。/n/n17. 设置y轴标签： plt.ylabel('Price')/n 设置子图3的 y 轴标签为 'Price'，表示房价。/n/n18. 设置子图3标题： plt.title('测试集中的实际房价与预测的对比',fontsize = 14)/n 设置子图3的标题为 '测试集中的实际房价与预测的对比'。/n/n19. 设置图例： plt.legend(loc = 'upper right')/n 显示子图3的图例，并将图例放置在右上角。/n/n20. 显示图形： plt.show()/n 显示所有子图组成的图形。/n/n注意： 以上代码需要先加载训练集和测试集的数据，包括 mse_train、mse_test、Y_train、PRED_train、Y_test、PRED_test。/