سپنتا کتاب اکسپرس

مبانی برنامه‌نویسی پایتون و علم داده برای یادگیری ماشین: رسم نمودارهای پراکندگی (Scatter Plots) - کوییز

رسم نمودارهای پراکندگی (Scatter Plots)

نمودار پراکندگی بیشتر برای نشان دادن چه چیزی استفاده می‌شود؟
  1. روند تغییرات در طول زمان
  2. مقایسه دسته‌های گسسته
  3. رابطه بین دو متغیر پیوسته
  4. درصد اجزای یک کل

گزینه صحیح: 3

توضیح: نمودار پراکندگی نقاط را در فضای دوبعدی نشان می‌دهد و برای بررسی وجود رابطه (خطی، غیرخطی یا عدم رابطه) بین دو متغیر عالی است.

در Matplotlib، برای رسم نمودار پراکندگی از کدام تابع استفاده می‌شود؟
  1. plt.plot()
  2. plt.bar()
  3. plt.scatter()
  4. plt.hist()

گزینه صحیح: 3

توضیح: تابع plt.scatter() نقاط را بدون اتصال با خط رسم می‌کند و مناسب بررسی توزیع و رابطه است.

کد زیر چه نوع نموداری تولید می‌کند؟ import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 1, 5, 3] plt.scatter(x, y) plt.show()
  1. نمودار خطی
  2. نمودار میله‌ای
  3. نمودار پراکندگی
  4. هیستوگرام

گزینه صحیح: 3

توضیح: plt.scatter(x, y) نقاط (x[i], y[i]) را به صورت پراکنده نشان می‌دهد.

در علم داده، نمودار پراکندگی اغلب برای چه کاری استفاده می‌شود؟
  1. نشان دادن روند سری زمانی
  2. بررسی همبستگی بین ویژگی‌ها یا رابطه هدف با ویژگی
  3. مقایسه فراوانی دسته‌ها
  4. نمایش توزیع تک متغیر

گزینه صحیح: 2

توضیح: قبل از مدل‌سازی، scatter plot کمک می‌کند تا رابطه خطی یا غیرخطی، خوشه‌ها یا مقادیر پرت را شناسایی کنیم.

برای تغییر اندازه نقاط در plt.scatter() از کدام پارامتر استفاده می‌شود؟
  1. color
  2. marker
  3. s
  4. alpha

گزینه صحیح: 3

توضیح: پارامتر s (size) اندازه نقاط را مشخص می‌کند؛ می‌تواند عدد ثابت یا آرایه برای اندازه متغیر باشد.

برای تغییر شکل علامت نقاط (marker) در نمودار پراکندگی از کدام پارامتر استفاده می‌شود؟
  1. style
  2. shape
  3. marker
  4. point

گزینه صحیح: 3

توضیح: marker='o' برای دایره، '^' برای مثلث، 's' برای مربع و غیره است.

پارامتر c در plt.scatter() چه کاری انجام می‌دهد؟
  1. اندازه نقاط را تغییر می‌دهد
  2. شفافیت نقاط را تنظیم می‌کند
  3. رنگ نقاط را بر اساس مقدار یک متغیر سوم مشخص می‌کند
  4. شکل نقاط را تغییر می‌دهد

گزینه صحیح: 3

توضیح: c می‌تواند آرایه‌ای باشد تا هر نقطه رنگ متفاوتی بر اساس مقدار سوم داشته باشد (مفید برای کدگذاری متغیر سوم).

برای نمایش یک متغیر سوم با اندازه نقاط در scatter plot از چه پارامتری استفاده می‌کنیم؟
  1. c
  2. alpha
  3. s
  4. marker

گزینه صحیح: 3

توضیح: با دادن آرایه به s، اندازه هر نقطه متناسب با مقدار متغیر سوم تغییر می‌کند.

پارامتر alpha در plt.scatter() برای چیست؟
  1. تغییر رنگ اصلی
  2. تنظیم شفافیت نقاط (برای جلوگیری از همپوشانی)
  3. تغییر اندازه نقاط
  4. اضافه کردن خط اتصال

گزینه صحیح: 2

توضیح: alpha بین 0 و 1 شفافیت را کنترل می‌کند؛ وقتی نقاط زیاد و همپوشان هستند، مفید است.

در تحلیل داده‌های یادگیری ماشین، چرا scatter plot مهم است؟
  1. برای محاسبه مستقیم همبستگی
  2. برای مشاهده بصری رابطه بین ویژگی‌ها و تشخیص الگوهای غیرخطی یا پرت‌ها
  3. برای رسم توزیع تک متغیر
  4. برای مقایسه دسته‌های مستقل

گزینه صحیح: 2

توضیح: scatter plot کمک می‌کند تا ببینیم آیا رابطه خطی وجود دارد (مناسب برای رگرسیون خطی) یا نیاز به تبدیل ویژگی داریم.

منبع آموزشی این مطلب

این مطلب برگرفته از محصول آموزشی «صفر تا صد یادگیری ماشین با پایتون: راهنمای جامع برای مبتدیان» است

برای مشاهده توضیحات کامل، جزئیات دوره و دریافت محصول، روی دکمه زیر کلیک کنید.

اطلاعات بیشتر و دریافت محصول