多変量分布の等高線図
user10706448
クラスAに関連するデータのマトリックス（Xa.shape = 100x2）とクラスBに関連するデータのマトリックスがあります。以下のコードを使用して両方を作成し、データの等高線図を作成したいと思います。しかし、私が試したものは機能せず、青い絵を作成するだけです。このようなデータの適切な等高線図を作成するにはどうすればよいですか？
N = 1000
mean_a = [0, 0]
cov_a = [[1, 0], [0, 100]] # diagonal covariance
mean_b = [5, 0]
cov_b = [[5, 0], [0, 500]] # diagonal covariance
Xa = np.random.multivariate_normal(mean_a, cov_a, N)
Xb = np.random.multivariate_normal(mean_b, cov_b, N)
fig, ax3 = plt.subplots(nrows=1,ncols=1,figsize=(15,8))
ax3.contourf(Xa)
風まかせ
入力： 2次元データポイント-Xa形状は[N、2]です。これらは2D空間のN個のポインです。
必要な出力： 2次元の等高線図。countourfはそのための適切なツールですが、ドキュメントに注意してください。この関数は、高さマップの等高線を描画します。
欠落しているステップ：個々のデータポイントを高さマップに変換します。
問題はディストリビューションについてです。1Dで分布をプロットするには、ヒストグラムを生成します。2Dでこれを行うには、2Dヒストグラムを作成しましょう。numpy.histogram2d私たちのためにまさにそれをします。contourfスペースを通常のビンに分割し、各ビンに分類されるデータポイントの数を数えることにより、適切な高さマップを作成します。
さあ：
N = 1000
mean_a = [0, 0]
cov_a = [[2, 1], [1, 2]]
Xa = np.random.multivariate_normal(mean_a, cov_a, N)
fig, ax3 = plt.subplots(nrows=1,ncols=1,figsize=(15,8))
(counts, x_bins, y_bins) = np.histogram2d(Xa[:, 0], Xa[:, 1])
ax3.contourf(counts, extent=[x_bins[0], x_bins[-1], y_bins[0], y_bins[-1]])
この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。
侵害の場合は、連絡してください[email protected]
編集
関連記事
Related 関連記事
- 1
多変量ガウス分布の等高線図
- 2
多変量ガウス分布の等高線図
- 3
Xmgraceの等高線図
- 4
ggplotの空の等高線図
- 5
Excelとmatplotlibの等高線図
- 6
等高線図の凡例-Matplotlib
- 7
Rのggtern等高線図
- 8
対数正規分布のmatplotlib等高線図-カラーバーレベル
- 9
対数正規分布のmatplotlib等高線図-カラーバーレベル
- 10
Tensorflowの多変量正規分布のCDF
- 11
Pythonでの多変量超幾何分布
- 12
R-3つの変数の等高線図
- 13
ggplot2を使用して、2変量ガウス分布の2つの等高線をオーバーレイします
- 14
Rの複数の等高線図
- 15
等高線図のclabelを制限する
- 16
等高線図のxラベリング
- 17
データからの等高線図
- 18
MATLABでの滑らかな等高線図
- 19
Rの等高線図のカラーマップを変更します
- 20
matplotlibの等高線図における条件付き関数の変更
- 21
mgcvのvis.gamから等高線図の色を変更する
- 22
1D X、Y、Z変数を使用したPythonの2D等高線図
- 23
等高線図をplotlyの3次元サーフェスに変更します
- 24
matlab2015で等高線図にいくつかの変更を加える
- 25
matlab2015で等高線図にいくつかの変更を加える
- 26
固定入力変数を使用した回帰予測の等高線図
- 27
ggplot2を使用して多変量ガウス等高線をプロットします
- 28
多変量t分布のPythonからのサンプル
- 29
Pythonでの多変量正規分布の統合
コメントを追加