Python程序设计：人工智能案例实践

14.5.3　可视化特征

绘制每种特征上的目标值对数据可视化是有帮助的—对于本案例，可以查看房价中值与每种特征的关系。为了使可视化更清晰，可以使用DataFrame中的sample函数随机选择20,640个样本中的10%来绘图：

关键字参数frac指定要选择的数据比例（0.1表示10%），关键字参数random_state为随机数生成器设定种子，我们任意设置的整数种子值（17）对可重复性至关重要。每次使用相同的种子值时，sample函数都会选择DataFrame行的相同随机子集，从而在绘制数据图表时，就会得到相同的结果。

接下来，我们将使用Matplotlib和Seaborn来显示8个特征中每个特征的散点图，这两个库都可以用来显示散点图。Seaborn更具吸引力并且需要更少的代码，因此我们使用Seaborn进行创建。首先，导入两个库，并使用Seaborn的set函数将每个图的字体缩放到默认大小的两倍：

以下代码用于显示散点图^[1]。沿着x轴每个点显示了一个特征，沿着y轴每个点显示了一个房价中值（california.target），因此我们可以看到每个特征和房价中值如何相互关联。我们为每个特征显示单独的散点图，窗口按照代码段[6]中列出的特征顺序显示，最近显示的窗口位于最前面： ...