NP:建立可视化输入的二次函数数据点集np.linspace+np.random.shuffle+np.random.normal

Posted 一个处女座的IT

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了NP:建立可视化输入的二次函数数据点集np.linspace+np.random.shuffle+np.random.normal相关的知识,希望对你有一定的参考价值。

import numpy as np
import matplotlib.pyplot as plt


def fix_seed(seed=1):  #重复观看一样东西
    # reproducible
    np.random.seed(seed)

# make up data建立数据
fix_seed(1)
x_data = np.linspace(-7, 10, 2500)[:, np.newaxis]  #水平轴-7~10
np.random.shuffle(x_data)
noise = np.random.normal(0, 8, x_data.shape)
y_data = np.square(x_data) - 5 + noise

# plot input data
plt.scatter(x_data, y_data)  #将数据绘制图一元二次函数的数据集点
plt.title(\'Matplotlib,BN,QuadraticFunction_InputData--Jason Niu\')
plt.show()

  

 

以上是关于NP:建立可视化输入的二次函数数据点集np.linspace+np.random.shuffle+np.random.normal的主要内容,如果未能解决你的问题,请参考以下文章

R语言ggplot2可视化:拟合二次曲线(quadratic curve)并使用ggplot2进行可视化可视化两个响应变量和一个预测变量的二次曲线

R语言plotly可视化:使用plotly可视化模型在测试集上预测的概率分数,使用预测概率值对数据点进行配色分数越高颜色越深(visualize predictions on test split)

python3-特征值,特征向量,逆矩阵

movan matplotlib

使用numpy计算各种向量距离

二次剩余(简单理解)