我在Ubuntu 18.04 LTS上使用Python 2.7.15rc1。我尝试绘制支持向量回归的图形，但没有得到任何输出。

import matplotlibmatplotlib.use("Agg")import numpy as npfrom sklearn.svm import SVRimport matplotlib.pyplot as plt#生成样本数据x = np.sort(5 * np.random.rand(40, 1), axis = 0)y = np.sin(x).ravel()#向目标数据添加噪声y[::5] += 3 * (0.5 - np.random.rand(8))#创建分类回归模型svr_rbf = SVR(kernel="rbf", C=1000, gamma=0.1)svr_lin = SVR(kernel="linear", C=1000, gamma=0.1)svr_poly = SVR(kernel="poly", C=1000, gamma=0.1)#拟合回归模型y_rbf = svr_rbf.fit(x,y).predict(x)y_lin = svr_lin.fit(x,y).predict(x)y_poly = svr_poly.fit(x,y).predict(x)#绘制结果lw = 2plt.scatter(x, y, color="darkorange", label="data")plt.plot(x, y_rbf, color="navy", lw=lw, label="RBF模型")plt.plot(x, y_lin, color="c", lw=lw, label="线性模型")plt.plot(x, y_poly, color="cornflowerblue", lw=lw, label="多项式模型")plt.xlabel("数据")plt.ylabel("目标")plt.title("支持向量回归")plt.legend()plt.show()

python svm.py 没有输出任何内容。我是否遗漏了某些需要导入的东西？还是我们无法绘制这个图形？我是机器学习的新手

回答：

如果你在Jupyter Ipython笔记本上运行，只需在代码顶部添加%matplotlib inline。你可以在这里和这里阅读更多相关信息。

否则，我复制了你的代码并移除了matplotlib.use("Agg")，在Ubuntu 18.04，matplotlib版本2.2.2上对我来说可以正常工作。你能指定你使用的是哪个版本吗？

这是代码，

import matplotlibimport numpy as npfrom sklearn.svm import SVRimport matplotlib.pyplot as plt#生成样本数据x = np.sort(5 * np.random.rand(40, 1), axis = 0)y = np.sin(x).ravel()#向目标数据添加噪声y[::5] += 3 * (0.5 - np.random.rand(8))#创建分类回归模型svr_rbf = SVR(kernel="rbf", C=1000, gamma=0.1)svr_lin = SVR(kernel="linear", C=1000, gamma=0.1)svr_poly = SVR(kernel="poly", C=1000, gamma=0.1)#拟合回归模型y_rbf = svr_rbf.fit(x,y).predict(x)y_lin = svr_lin.fit(x,y).predict(x)y_poly = svr_poly.fit(x,y).predict(x)#绘制结果lw = 2plt.scatter(x, y, color="darkorange", label="数据")plt.plot(x, y_rbf, color="navy", lw=lw, label="RBF模型")plt.plot(x, y_lin, color="c", lw=lw, label="线性模型")plt.plot(x, y_poly, color="cornflowerblue", lw=lw, label="多项式模型")plt.xlabel("数据")plt.ylabel("目标")plt.title("支持向量回归")plt.legend()plt.show()