adjustText: matplotlib の散布図でラベルの重なりを自動調整 - Wizard Notes
問題点 matplotlib の散布図などのプロットの際に、各点にラベルを付けてプロットしたい場合、下の図のようにラベルが重なってしまうため、ラベル付きプロットを諦めることが多々ありました。 図1: 散布図 (Before) 解決方法 ラベルの配置を制御する方法を探していたら、adjustTextというモジュールと出会いました。 github.com なんとラベルの重なりを最小限にし、スマートに配置してくれるモジュールとのこと。早速使ってみました。 図2: adjustTextと適用した散布図（アロー無し） 重なりが最小限になり、かなり見やすくなりました！ さらに、アローを付けることもできます。 図3: adjustTextと適用した散布図（アロー付き さすがにプロットする点数が数百点ともなると処理に時間がかかる＆最適化しても重なってしまうため、50±30点くらいの時に使うのが良さそうです
Python matplotlib 時系列グラフ（時間軸の設定） - Qiita
はじめに 年末よりずっと忙しかったのですが、久しぶりに余裕ができて記事を書いています。 何年か前にやった仕事のフォローのため二週間の出張でマレーシアに来ています。お客さんに提出する報告書で久しぶりに時系列グラフを作成する必要があったので、その時調べたものをアップしたいと思います。（実はお客さん提出用グラフの時間軸はデフォルトで出してしまったのですが、提出後今後のために調べたものをアップしているのが本当のところです） 当方の環境は以下の通り。 MacBook Pro (Retina, 13-inch, Mid 2014) macOS MOjave Python 3.7.2 時間軸設定には以下のサイトを参考にしました。 https://stackoverflow.com/questions/17452179/not-write-out-all-dates-on-an-axis-matplotl
Plotly
plotly.js abstracts the types of statistical and scientific charts that you would find in packages like matplotlib, ggplot2, or MATLAB. d3.json('https://plotly.com/~DanielCarrera/13.json', function(figure){ var trace = { x: figure.data[0].x, y: figure.data[0].y, z: figure.data[0].z, type: 'contour', autocolorscale: false, colorscale: [[0,"rgb( 0, 0, 0)"],[0.3,"rgb(230, 0, 0)"],[0.6,"rgb(255,210, 0
モデルの精度評価（分類問題） - Tech Blog
分類問題の精度評価についてまとめておきます。 代表的な評価指標にはどのようなものがあるのか、その中でどれを使えばいいのか、回帰分析の精度は使えるか、について順に書いていきます。 今回は、下記の混合行列で表されるような疾病検査を例にとって説明します。陽性・陰性は予測クラス、疾病あり・疾病なしは正解クラスです。 疾病あり 疾病なし 陽性 陰性 評価指標には何かあるか？ 一般的によく使われる評価指標に、Precision, Recall, Specificity, F-measure, Accuracy, AUCがある。 1. Precision 陽性と判定された人のうち、実際に疾病がある人の割合。 Precision(精度、適合率), Positive Predictive Value(陽性予測値)と呼ばれる。 2. Recall 実際に疾病がある人のうち、陽性と判定される人の割合。 Reca
Confusion matrix - Wikipedia
In the field of machine learning and specifically the problem of statistical classification, a confusion matrix, also known as error matrix,[1] is a specific table layout that allows visualization of the performance of an algorithm, typically a supervised learning one; in unsupervised learning it is usually called a matching matrix. Each row of the matrix represents the instances in an actual clas
改訂版: プログラマーが効果的な可視化を作成する （前編） - Qiita
改訂版について (5/7/2019公開) この記事は、私がこちらに公開したもの中では最も読まれているようです。そこで、執筆後に気づいたこと、古くなった情報、新しい技術動向などを考慮に入れて改訂をしました。主な変更点は以下の通りです： 新しいセクションの追加 最近の本の紹介 細かな表現の修正 この記事は複数のセクションに分かれていますので、前編から始め、順番にアップデートして行きたいと思います。何かお気付きの点などありましたら、コメント欄、もしくはkonoアットマークucsd.eduにお願いいたします。 はじめに この記事は、可視化の専門家ではない人がコンピュータを使ってデータ可視化を実際に行う場合に必要な、一般的なノウハウをお伝えするシリーズの第一回です。 前編: 効果的なデータ可視化とはどのようなものか？ （本稿） 中編: 分かりにくい可視化を避けるための手法の選択 後編: Part 1
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
PythonとPlotlyでオープンデータを可視化する - Pythonと本と子供と雑談と
Demos - JavaScript InfoVis Toolkit
