Python Matplotlib正在绘制一个'；之字形'；尝试绘制多项式时的直线

matplotlib中的线条是正确的形状，但是，它是由之字形线条组成的

我尝试重新启动并在desmos上绘制相同的方程式。desmos上的方程看起来正是我想要的。我认为这是一个matplotlib问题

#imports
import numpy as np
import pandas as pd
import seaborn as sns; sns.set() # just makes your plots look prettier run 'pip install seaborn'
import matplotlib.pyplot as plt

from IPython.core.pylabtools import figsize
figsize(15, 7)

from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.3)

noise = np.random.randn(100)

x = np.linspace(-2,2, 100)
y = x + noise + np.random.randn()*2 + x**2

plt.scatter(x, y); plt.show()

#pre processing
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3)

#initializing m and b variables
current_z_val = 0.1
current_m_val = 0.1
current_b_val = 0.1

#setting # of iterations
iterations = 5

#calculating length of examples for functions used below
n = len(x_train)

#learning rate
learning_rate = 0.01

#plot the data and estimates
plt.scatter(x_train,y_train)
plt.title("Example data and hypothesis lines")
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

cost_history = []

#main graident descent loop
for i in range(iterations):

  #creating the hypothesis using y=z^2 + mx+b form
  y_hypothesis = (current_z_val * (x_train**2)) + (current_m_val * x_train) + current_b_val

  #calculating the derivatives from the image embedded above in code
  z_deriv = -(2/n)*sum(y_train-y_hypothesis)
  m_deriv = -(2/n)*sum(x_train*(y_train-y_hypothesis))
  b_deriv = -(2/n)*sum(y_train-y_hypothesis)

  #updating m and b values
  current_z_val = current_z_val - (learning_rate * z_deriv)
  current_m_val = current_m_val - (learning_rate * m_deriv)
  current_b_val = current_b_val - (learning_rate * b_deriv)

  #calculate the cost (error) of the model
  cost = (1/n)*sum(y_train-y_hypothesis)**2
  cost_history.append(cost)

  #print the m and b values
  #print("iteration {}, cost {}, m {}, b {}".format(i,cost,current_m_val,current_b_val))
  plt.plot(x_train,y_hypothesis)

plt.show()

#plot the final graph
plt.plot(range(1,len(cost_history)+1),cost_history)
plt.title("Cost at each iteration")
plt.xlabel('Iterations')
plt.ylabel('MSE')

plt.show()

---

是我的图上的图形。它应该是这样的。

matplotlib

按照点在列表中的顺序绘制点，而不是根据点的大小绘制点的“自然”顺序

我认为你应该在计算

y\u假设之前对
x\u序列进行排序
，以获得你期望的函数

请注意，这在
plt.scatter（）
和
plt.plot（）
中都会发生，但您只能在后者中看到，因为在将点与
plt.plot（）
连接时，您实际看到的是序列。
matplotlib
按照点在列表中的顺序绘制点，而不是它们的“自然”由它们的大小给出的顺序

我认为你应该在计算
y\u假设之前对
x\u序列进行排序
，以获得你期望的函数

请注意，这在
plt.scatter（）
和
plt.plot（）
中都会发生，但您只能在后者中看到，因为在将点与
plt.plot（）
连接时，您实际上看到了序列。
函数
训练测试分割
将随机选择
xtrain
和
xtest
，因此，您的
x
将被洗牌。如果
x
不正常，Matplotlib将无法绘制线

在下一行中使用shuffle=False
。这应该是正确的

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, shuffle=False)

功能
train\u test\u split
将随机选择
xtrain
和
xtest
，因此您的
x
将被洗牌。如果
x
不正常，Matplotlib将无法绘制线

在下一行中使用shuffle=False

。这应该是正确的

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, shuffle=False)