![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
模式识别
change_xzt
心态、努力、坚持!
展开
-
在Python中产生n个服从二维高斯分布的随机数,绘制该数据的散布图和等密度点分布轨迹
然后,使用Scipy库的multivariate_normal方法生成一个多元高斯分布对象,并使用pdf方法计算每个网格点的概率密度值。levels参数指定轮廓线的数量,colors参数指定轮廓线的颜色,linestyles参数指定轮廓线的样式。散布图可以直观地展示数据的分布情况,等密度点分布轨迹可以更加准确地描述数据的概率密度分布情况。在这个例子中,散布图呈现出一个椭圆形状,而等密度点分布轨迹呈现出一个椭圆的等高线状,两者形状非常相似,印证了数据分布符合二维高斯分布的特点。原创 2023-04-03 14:45:55 · 1565 阅读 · 0 评论 -
在Python中产生n个服从一维高斯分布的随机数,绘制该数据的直方图和概率密度函数
在这个代码中,我们首先使用NumPy库生成一维高斯分布N。然后,使用Matplotlib库的hist方法绘制数据的直方图。bins参数指定了直方图的条数,density参数指定是否将直方图的值归一化为概率密度,alpha参数指定了直方图的透明度,color参数指定了直方图的颜色。接下来,我们使用NumPy库的linspace方法生成一个与直方图的x轴相同的数组,并使用高斯分布的概率密度函数计算y轴的值。最后,使用Matplotlib库的plot方法绘制概率密度函数的图像,并使用show方法显示图像。原创 2023-03-29 20:03:23 · 846 阅读 · 0 评论