plt.scatter(X[0, :], X[1, :], c=Y, s=40, cmap=plt.cm.Spectral)出错

ValueError: c of shape (1, 400) not acceptable as a color sequence for x with size 400, y with size 400

# Visualize the data:
plt.scatter(X[0, :], X[1, :], c=Y.reshape(400), s=40, cmap=plt.cm.Spectral);

Y改成Y.reshape(400)

原文地址：https://www.cnblogs.com/douzujun/p/10291350.html

时间： 2024-10-19 12:41:47

plt.scatter(X[0, :], X[1, :], c=Y, s=40, cmap=plt.cm.Spectral)出错的相关文章

不同label样本画图——颜色分配plt.cm.Spectral

不同label样本画图——颜色分配plt.cm.Spectralhttps://blog.csdn.net/wang_zuel/article/details/102940092 关于plt.cm.Spectral https://blog.csdn.net/robin_Xu_shuai/article/details/79178857 Python学习——作图plt.cm.Set()用法 https://blog.csdn.net/qq_41938858/article/details/877

机器人从(0,0)到（x,y）有多少种走法

public boolean getPath(int x,int y,ArrayList<Point> path) { Point p=new Point(x,y); path.add(p); if(x==0 && y==0) { return true;//找到一条路径 } boolean success=false; if(x>=1 && isFree(x-1,y))//试着向左 { success=getPath(x-1,y,path);//可行,向

apache 2.4.12 + tomcat 7.0.61 + jk connectors 1.2.40实现tomcat负载均衡集群

实验环境: CentOS 5.11 final hostname:T1.getg.com IP地址:192.168.50.138 软件准备: CentOS Linux 5.*系统光盘中的"Development tools"工具包组 jdk-8u45-linux-x64.tar.gz pcre-8.36.tar.gz apr-util-1.5.4.tar.gz apr-1.5.1.tar.gz httpd-2.4.12.tar.gz apach

关于hadoop-2.2.0和hadoop2.6.0的winutils.exe、hadoop.dll版本混用（易出错）

问题详情是 2016-12-10 23:24:13,317 INFO [org.apache.hadoop.metrics.jvm.JvmMetrics] - Initializing JVM Metrics with processName=JobTracker, sessionId=2016-12-10 23:24:14,281 WARN [org.apache.hadoop.mapreduce.JobSubmitter] - Hadoop command-line option parsi

深度学习与计算机视觉系列(9)_串一串神经网络之动手实现小例子

作者:寒小阳&&龙心尘时间:2016年1月. 出处:http://blog.csdn.net/han_xiaoyang/article/details/50521072 声明:版权所有,转载请联系作者并注明出处 1.引言前面8小节,算从神经网络的结构.简单原理.数据准备与处理.神经元选择.损失函数选择等方面把神经网络过了一遍.这个部分我们打算把知识点串一串,动手实现一个简单的2维平面神经网络分类器,去分割平面上的不同类别样本点.为了循序渐进,我们打算先实现一个简单的线性分类器,然后再拓

CS231n ConvNets 卷积神经网络与计算机视觉 8 手把手实现神经网络分类

本章将实现一个简单的两层神经网络,主要分两步走: 1. 实现线性分类器 2. 改变成神经网络 1 生成数据我们先生成一个螺旋性的数据集,Python代码: N = 100 # number of points per class D = 2 # dimensionality K = 3 # number of classes X = np.zeros((N*K,D)) # data matrix (each row = single example)在二维平面内的300个点 y = np.ze

【Python 代码】CS231n中Softmax线性分类器、非线性分类器对比举例（含python绘图显示结果）

1 #CS231n中线性.非线性分类器举例(Softmax) 2 #注意其中反向传播的计算 3 4 # -*- coding: utf-8 -*- 5 import numpy as np 6 import matplotlib.pyplot as plt 7 N = 100 # number of points per class 8 D = 2 # dimensionality 9 K = 3 # number of classes 10 X = np.zeros((N*K,D)) # da

Deep Learning入门视频（下）之关于《感受神经网络》两节中的代码解释

代码1如下: #深度学习入门课程之感受神经网络(上)代码解释: import numpy as np import matplotlib.pyplot as plt #matplotlib是一个库,pyplot是其中一个模块 #%matplotlib inline 适用于在ipython notebook中进行绘图内嵌说明,由于我在Pycharm上写的,应此不需要这条以及下面的几个命令 plt.rcParams['figure.figsize'] = (10.0,8.0) #创建一个10*8大小

《机器学习》周志华习题答案3.3

3.3 编程实现对率回归,并给出西瓜数据集3.0α上的结果. 本题我就调用了sklearn的逻辑回归库来测试. #!/usr/bin/python # -*- coding:utf-8 -*- from sklearn import linear_model,datasets import numpy as np from matplotlib import pyplot as plt file1 = open('c:\quant\watermelon.csv','r') data = [lin