python3利用Axes3D库画3D模型图
Python3利用Axes3D库画3D模型图,供大家参考,具体内容如下
最近在学习机器学习相关的算法,用python实现。自己实现两个特征的线性回归,用Axes3D库进行建模。
python代码
import numpy as np from scipy import stats import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 三维,两个特征 fig = plt.figure(figsize=(8, 6)) #设置图标的大小 ax = fig.add_subplot(111, projection='3d') # 111的意思是把画布分为1行1列,画在第一个方格内。其实就是整个画布。 # 创建样本,注意两个特征不能线性相关,否则无法用最小二乘解参数 X1 = np.arange(-4, 4, 0.1) m = len(X1) X2 = np.random.rand(m)*5 # print(X2) # print(X1) # 堆叠全1数组和X1以及X2形成样本的矩阵,倒置,用以矩阵乘法 X = np.vstack((np.full(m, 1), X1, X2)).T # y = 15*X1 + 3 * X2 + theta0 # 自定义样本输出 Y = X1 + 3 * X2 + 3*np.random.randn(m) # 利用标准方程(最小二乘法求解theta) theta = np.dot(np.dot(np.linalg.inv(np.dot(np.transpose(X), X)), np.transpose(X)), Y) print(theta) # 构造网格 meshgrid函数可以通过延伸矩阵构造多维坐标中的网格坐标。 M, N = np.meshgrid(X1, X2) # zip函数构建一个多元祖[(x1,y1),(x2,y2)...],ravel函数将一个多维数组合并成一维数组 Z = np.array([theta[1] * d + theta[2]*p + theta[0] for d, p in zip(np.ravel(M), np.ravel(N))]).reshape(M.shape) # 根据网格和函数构建图形 suface是一个完整的面 ax.plot_surface(M, N, Z) # scatter是散点图 ax.scatter(X1, X2, Y, c='r') # 设置坐标轴的名称 ax.set_xlabel('X') ax.set_ylabel('Y') ax.set_zlabel('Z') plt.show()
图形如下
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持我们。
赞 (0)