Python Matplotlib 绘制训练和验证集的准确率和损失曲线

使用 Matplotlib 绘制训练和验证集的准确率和损失曲线

本教程将演示如何使用 Python Matplotlib 库绘制训练集和验证集的准确率和损失曲线。同时，我们将学习如何使用 plt.annotate() 函数在图上添加注释。

1. 准备数据

首先，我们需要准备训练集和验证集的准确率和损失数据。假设我们已经训练了一个模型，并获得了以下数据：

acc = history.history['accuracy']
val_acc = history.history['val_accuracy']
loss = history.history['loss']
val_loss = history.history['val_loss']
epochs = range(1, len(acc) + 1)

2. 绘制曲线

接下来，我们可以使用 Matplotlib 绘制训练和验证集的准确率和损失曲线：

import matplotlib.pyplot as plt

# 设置字体，防止中文乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.figure(figsize=(12, 4))

# 绘制训练集与验证集准确率曲线
plt.subplot(1, 2, 1)
plt.plot(epochs, acc, 'bo', label='训练集准确率')
plt.plot(epochs, val_acc, 'b', label='验证集准确率')
plt.title('训练集与验证集准确率曲线')
plt.xlabel('Epochs')
plt.ylabel('准确率')
plt.legend()

# 绘制训练集与验证集损失曲线
plt.subplot(1, 2, 2)
plt.plot(epochs, loss, 'bo', label='训练集损失')
plt.plot(epochs, val_loss, 'b', label='验证集损失')
plt.title('训练集与验证集损失曲线')
plt.xlabel('Epochs')
plt.ylabel('损失')
plt.legend()

plt.tight_layout()
plt.show()

3. 添加注释

我们可以使用 plt.annotate() 函数在图上添加注释。该函数接受四个参数：

• 注释文本：要显示的文本内容。
• 注释位置：注释指向的点坐标。
• 文本位置：注释文本的显示位置。
• 箭头属性：控制箭头样式的字典。

例如，我们可以在训练集准确率曲线中添加一个注释，指向最高准确率点：

# 添加注释
plt.annotate('最高准确率', xy=(10, 0.98), xytext=(15, 0.96),
             arrowprops=dict(facecolor='black', shrink=0.05),
             )

这个代码将在第 10 个 epoch 处添加一个注释，注释文本为 '最高准确率'，注释指向的点坐标为 (10, 0.98)，文本显示位置为 (15, 0.96)。arrowprops 参数设置了箭头属性，facecolor 控制箭头颜色，shrink 控制箭头大小。

总结

本文介绍了如何使用 Matplotlib 绘制训练和验证集的准确率和损失曲线，并使用 plt.annotate() 函数添加注释。你可以根据需要修改注释的位置、文本内容和箭头属性。