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)