Блог

Главная - Вопросы по программированию - Как создать значения 2D Z для графика поверхности matpotlib?

Как создать значения 2D Z для графика поверхности matpotlib?

#matplotlib #machine-learning #linear-regression

#matplotlib #машинное обучение #линейная регрессия

Вопрос:

Я пытаюсь создать график поверхности функции ошибки в линейной регрессии. Я делаю это так:

 class LinearRegression:
def __init__(self):
    self.data = pd.read_csv("data.csv")

def computeCost(self):
    j = 0.5 * (
        (self.data.hypothesis - self.data.y)**2).sum() / self.data.y.size
    return j

def regress(self, theta0, theta1):
    self.data["hypothesis"] = theta1 * self.data.x   theta0

def plotCostFunction3D(self):
    fig = plt.figure()
    ax = fig.add_subplot(111, projection='3d')

    theta0_vals = np.linspace(-100, 100, 200)
    theta1_vals = np.linspace(-100, 100, 200)
    costs = []

    for theta0 in theta0_vals:
        for theta1 in theta1_vals:
            self.regress(theta0, theta1)
            costs.append(self.computeCost())

    ax.plot_surface(
        theta0_vals,
        theta1_vals,
        np.array(costs),
    )


if __name__ == "__main__":
    regression = LinearRegression()

    regression.plotCostFunction3D()

    plt.show()

Я получаю следующую ошибку:

 ValueError: Argument Z must be 2-dimensional.

Я знаю, что мне нужно использовать np.meshgrid для theta0_vals и theta1_vals , но я не уверен, как вычислить затраты на основе этих результатов. Как бы я это сделал?

Комментарии:

1. Вы уже вычислили затраты для всей сетки внутри вложенных for циклов, верно? Итак, я думаю, вы могли бы просто использовать costs_2d = np.reshape(costs, (200, 200)) , или я что-то упустил?

2. вам нужно изменить Z

3. И каковы будут аргументы для изменения формы? @Arne почему 200. 200?

4. Неважно. Я понял. Это потому, что у меня есть 200 значений как для theta0, так и для theta1. Спасибо.

5. Это сработало! Хотел бы кто-нибудь из вас, джентльмены, отправить ответ, который я могу принять?

Ответ №1:

Ошибка вызвана вызовом метода ax.plot_surface(theta0_vals, theta1_vals, np.array(costs)) , поскольку Axes3D.plot_surface(X, Y, Z) ожидается, что его аргументы будут двумерными массивами.

Итак, как вы заметили, np.meshgrid() следует использовать для вычисления сетки, охватываемой theta0_vals и theta1_vals . Что касается Z , вы уже вычислили стоимость в каждой точке сетки, используя вложенные for циклы, поэтому вам просто нужно превратить одномерный costs список в двумерный массив, соответствующий сетке Xy. Это можно сделать с np.reshape() помощью .

     def plotCostFunction3D(self):
        fig = plt.figure()
        ax = fig.add_subplot(111, projection='3d')

        theta0_vals = np.linspace(-100, 100, 200)
        theta1_vals = np.linspace(-100, 100, 200)
        costs = []

        for theta0 in theta0_vals:
            for theta1 in theta1_vals:
                self.regress(theta0, theta1)
                costs.append(self.computeCost())
         
        X, Y = np.meshgrid(theta0_vals, theta1_vals)
        Z = np.reshape(costs, (200, 200))
        
        ax.plot_surface(X, Y, Z)

Для повышения производительности было бы неплохо избежать вложенных for циклов. Вы можете сохранить точки сетки X-Y в фрейме данных, а затем вычислить столбец Z с df.apply() помощью .