标签：10 plt return 概率分布 分布图 深度 np numpy math
深度学习-常用概率分布及其分布图
文章目录
深度学习 第三章第9小节
# utils
import numpy as np
# 写一个装饰器，用来将单个点的计算函数，转成一个数组的计算
def for_numpy(index=0, key=None):
def out(func):
def inner(*args, **kwargs):
x = None
if isinstance(index, int):
x = args[index]
elif key:
x = kwargs.get(key)
if x is not None:
res = []
for i in x:
# print(i, type(i))
new_args = list(args)
if isinstance(index, int):
new_args[index] = i
elif key:
kwargs[key] = i
r = func(*new_args, **kwargs)
res.append(r)
return np.array(res)
else:
return func(*args, **kwargs)
return inner
return out
Laplace分布（拉普拉斯分布）
import math
import matplotlib.pyplot as plt
import numpy as np
@for_numpy(index=0)
def laplace(x, u=0, l=1):
a = 1 / (2 * l)
x = -abs(x - u) / l
return a * math.exp(x)
x = np.arange(-10, 10, 0.5) # numpy.ndarray
y = laplace(x,u=0,l=1)
plt.grid()
plt.plot(x,y)
[<matplotlib.lines.Line2D at 0x20619060280>]
指数分布
@for_numpy()
def exp_dis(x, l=1):
return l * math.exp(-l * x) if x >=0 else 0
x = np.arange(-5, 10, 0.001)
y = exp_dis(x, l=2)
plt.grid()
plt.plot(x,y, ".r", markersize=1)
plt.show()
高斯分布
一维
@for_numpy()
def gaus_dis(x, u=0, l=1):
# u 均值，l 方差
a = math.sqrt(1 / (2 * math.pi * (l **2)))
x = -(1/2 * (l **2)) * ((x - u) ** 2)
return a * math.exp(x)
x = np.arange(-10, 10, 0.1)
y = gaus_dis(x)
plt.grid()
plt.plot(x, y)
plt.show()
多维
@for_numpy()
def gaus_dis_multi(x, u, m, n=None):
n = x.shape[-1]
a = (2 * math.pi) ** n * np.linalg.det(m)
a = np.sqrt( 1 / a)
m_ = np.linalg.inv(m) # 求协方差矩阵m的逆
x = (x - u).T.dot(m_).dot(x-u) * (-0.5)
return a * np.exp(x)
from matplotlib import cm
m = np.array([[1.0, 0.0],[0.0, 1.0]]) * 5 # 协方差矩阵，对称且正定的矩阵
u = np.zeros((2,)) # 均值矢量
print(m)
print()
print(u)
x = np.random.rand(5000,2) * 20 - 10
y = gaus_dis_multi(x, u, m)
# print(y)
print(y.shape)
d_x = []
d_y = []
d_z = []
for (i,j),k in zip(x, y):
d_x.append(i)
d_y.append(j)
d_z.append(k)
d_x = np.array(d_x)
d_y = np.array(d_y)
d_z = np.array(d_z)
fig = plt.figure(figsize=(10, 10))
ax = fig.add_subplot(projection='3d')
ax.scatter(d_x, d_y,d_z, s=3) # s 控制散点的大小
[[5. 0.]
[0. 5.]]
[0. 0.]
(5000,)
<mpl_toolkits.mplot3d.art3d.Path3DCollection at 0x2061b291130>
标签：10,plt,return,概率分布,分布图,深度,np,numpy,math 来源： https://blog.csdn.net/qq_42250782/article/details/120934054
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。