python - 关于转换 y 和 x 轴的想法

Question

我有一个预测频率的模型。真实频率接近 1，因此预测的频率大多接近 1。样本频率为：

true  = [0.9999930241642949,0.9999930128563443,0.9999930160769908,0.9999928480496632,0.9999790561295727,
 0.9999930202691384,0.9999924134373198,0.9995322143714916,0.9990997780848302,0.9999441699466823]

prediction = [0.9685569, 0.8430407, 0.93365747, 0.915529, 0.8040398, 0.8197026, 0.8163535,
 0.9588296,0.9716148,0.8882043]

然而，当我绘制真实频率与预测时，我会得到这样的结果：

但这可能不是将其可视化的正确方法。当我进行 spearman coorelation 时，我得到 -0.097。你建议我如何转换我的频率？我正在考虑转换这些频率，以便在这些真实和预测之间绘制一条线性回归线。你建议我怎么做？

我用于绘图的代码：

import pandas as pd
data = pd.DataFrame({
    'true': true,
    'prediction': prediction,
})
sns.jointplot(x='true', y='prediction', data=data)


import numpy as np
import scipy.stats
r = np.corrcoef(prediction, true)
print(r)
scipy.stats.spearmanr(prediction, true)

标签： pythonmachine-learningseaborn