Diferencias

Muestra las diferencias entre dos versiones de la página.

--- clase:iabd:pia:1eval:tema04 [2023/04/17 21:24]
admin [Figura]
+++ clase:iabd:pia:1eval:tema04 [2024/04/07 10:46] (actual)
admin [Figura]
@@ Línea 259: / Línea 259: @@
-===== Proyecciones =====
+==== Proyecciones ====
 Indicar como es la proyección de los ejes.
@@ Línea 285: / Línea 285: @@
 {{:clase:iabd:pia:1eval:figure_proyecciones.png|}}
+==== Clase Figura ====
+La siguiente clase permite simplificar la creación de ''Axes'' cuando queremos mostrar muchos en forma de matriz con varias columnas y muchas filas.
+<sxh python>
+class Figura:
+  def __init__(self,ncols,naxes,axes_width_inches=6, axes_height_inches=None):
+    self.ncols=ncols
+    self.num_axes=naxes
+    self.nrows=math.ceil(naxes/ncols)
+    if axes_height_inches==None:
+      axes_height_inches=axes_width_inches*0.86
+    self.figure, self.arr_axes = plt.subplots(ncols=self.ncols, nrows=self.nrows, figsize=(self.ncols*axes_width_inches,self.nrows*axes_height_inches),
+                        layout="constrained")
+    if isinstance(self.arr_axes, (list, tuple, np.ndarray))==False:
+      self.arr_axes=np.array([[self.arr_axes]])
+  def get_axes(self):
+        return np.array(self.arr_axes).reshape(-1)
+</sxh>
+El uso de la clase es la siguiente.
+Imagina que quieres mostrar 12 ''Axes'' en 3 columnas y luego obtener cada uno de los axes.
+<sxh python>
+figura=Figura(ncols=3,naxes=12)
+for axes in figura.get_axes():
+  axes.plot()
+</sxh>
+La ventaja de esta clase es que no te tienes que preocupar del número de filas que va a haber. Que en este caso serán 4
 ===== Dibujando en 2D =====
 Ahora veamos una serie de métodos para dibujar en un ''Axes'' o gráfica en 2 dimensiones
@@ Línea 822: / Línea 858: @@
 <sxh python>
 axes.grid(visible=True, which='major', axis='both',color="#A0A0A0",linewidth=1)
+axes.set_axisbelow(True)
 </sxh>
-{{:clase:iabd:pia:1eval:ejemplo_grid.png|}}
+{{:clase:iabd:pia:1eval:ejemplo_grid.png?400|}}
+<note tip>
+Incluir ''axes.set_axisbelow(True)'' para que el grid esté por debajo en el z-orden.
+</note>
 <note tip>
@@ Línea 888: / Línea 929: @@
 {{:clase:iabd:pia:1eval:ejemplo_spines.png|}}
 ==== Superficies ====
@@ Línea 1481: / Línea 1523: @@
 {{ :clase:iabd:pia:1eval:tema_4_ejercicio_23_c.png?direct |}}
+==== Ejercicio 23.D ====
+Repite el ejercicio anterior pero ahora divide los datos en entrenamiento y validación.
+Para ello usa la función ''train_test_split'' de sklearn
+<sxh python>
+from sklearn.model_selection import train_test_split
+x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=42)
+</sxh>
+El parámetro ''test_size'' indica el % de datos (en tpu) que serán para el test.
+Ahora deberás indicar en el método ''fit'' que ahora hay datos de entrenamiento y de test
+<sxh python>
+history=model.fit(x_train,y_train,validation_data=(x_test,y_test),epochs=epochs,verbose=False)
+</sxh>
+Para acabar ahora están las métricas de:
+  * ''loss'' : La pérdida en entrenamiento
+  * ''val_loss'' : La pérdida en validación
+Al mostrar la gráfica, muestra tanto ''loss'' como ''val_loss'' del mismo color pero que la línea de ''val_loss'' sea continua y la línea de ''val_loss'' sea puenteada
+{{:clase:iabd:pia:1eval:tema_4_ejercicio_23_d.png?direct|}}

logongas

Herramientas de usuario

Herramientas del sitio

Diferencias

Herramientas de la página