小编pau*_*a.n的帖子

我是一个Python初学者，所以这可能比我想象的更明显。我用来Matplotlib通过神经网络以图形方式呈现我的预测数据与实际数据。我能够计算 r 平方并绘制数据，但现在我想合并图表本身上的值，该值会随着每次新运行而变化。

我的神经网络至少使用 4 个不同的输入，并给出一个输出。这是我的最终代码：

y_predicted = model.predict(X_test)

这就是我计算 R2 的方法：

# Using sklearn
from sklearn.metrics import r2_score
print r2_score(y_test, y_predicted)

这是我的图表：

fig, ax = plt.subplots()
ax.scatter(y_test, y_predicted)
ax.plot([y.min(), y.max()], [y.min(), y.max()], 'k--', lw=4)
ax.set_xlabel('Actual')
ax.set_ylabel('Predicted')
#regression line
y_test, y_predicted = y_test.reshape(-1,1), y_predicted.reshape(-1,1)
ax.plot(y_test, LinearRegression().fit(y_test, y_predicted).predict(y_test))

plt.show()

它给出了类似于所附图表的内容，每次我更改纪元、层数或数据类型等时，R2 都会发生变化。红色是我的回归线，稍后我将对其进行标记。由于 R2 是一个函数，我不能简单地使用图例或文本代码。

我还想展示MSE。

谁能帮我吗？

图形

I have a code that gives me a scatter plot of predicted vs actual values as a function of concentration. The data is pulled from an excel csv spreadsheet.

This is the code:

import matplotlib.pyplot as plt
from numpy import loadtxt


dataset = loadtxt("ColorPlot.csv", delimiter=',')
x = dataset[:,0]
y = dataset[:,1]
z = dataset[:,2]

scaled_z = (z - z.min()) / z.ptp()

colors = plt.cm.viridis(scaled_z)
sc=plt.scatter(x, y, c=colors)
plt.clim(0, 100)
plt.colorbar()
plt.xlabel("Actual")
plt.ylabel("Predicted")

plt.show()

And with this I get a nice …