파이썬에서 다변량 정규 분포를 사용하지 않고 타원형 산점도 작성
소개
기계 학습 사이트에서는 점을 타원형으로 플롯한 그림을 자주 볼 수 있습니다. 그 만드는 법을 몰랐기 때문에 Numpy를 괴롭히고 만들어 보았습니다.
코드
ellipseLike.pyimport numpy as np
import matplotlib.pyplot as plt
#出力件数
n = 1000
#乱数を発生
x = np.random.uniform(-4, 4, n)
y = np.random.uniform(-1, 1, n)
#フィルタリング
coordinates = np.array([((x[i])**2 + (y[i])**2)**(1/2) < 1 for i in range(n)])
index = np.where(coordinates==True)
#座標を操作
x_points = x[index] *4
y_points = y[index]
#座標を回転移動(30度)
x_points2 = x_points * (3**(1/2)) - y_points * (1/2)
y_points2 = x_points * (1/2) + y_points * (3**(1/2))
#プロット
plt.scatter(x_points2, y_points2)
plt.show()
결과
결론
제작 끝나고 나서 다변량 정규 분포를 알았습니다. 공부 부족이었는데...
봐 주셔서 감사합니다. 코멘트・지적등 있으면 감사합니다.
Reference
이 문제에 관하여(파이썬에서 다변량 정규 분포를 사용하지 않고 타원형 산점도 작성), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/isso_w/items/14b9afcfa7ff9e290e48
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
ellipseLike.py
import numpy as np
import matplotlib.pyplot as plt
#出力件数
n = 1000
#乱数を発生
x = np.random.uniform(-4, 4, n)
y = np.random.uniform(-1, 1, n)
#フィルタリング
coordinates = np.array([((x[i])**2 + (y[i])**2)**(1/2) < 1 for i in range(n)])
index = np.where(coordinates==True)
#座標を操作
x_points = x[index] *4
y_points = y[index]
#座標を回転移動(30度)
x_points2 = x_points * (3**(1/2)) - y_points * (1/2)
y_points2 = x_points * (1/2) + y_points * (3**(1/2))
#プロット
plt.scatter(x_points2, y_points2)
plt.show()
결과
결론
제작 끝나고 나서 다변량 정규 분포를 알았습니다. 공부 부족이었는데...
봐 주셔서 감사합니다. 코멘트・지적등 있으면 감사합니다.
Reference
이 문제에 관하여(파이썬에서 다변량 정규 분포를 사용하지 않고 타원형 산점도 작성), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/isso_w/items/14b9afcfa7ff9e290e48
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
제작 끝나고 나서 다변량 정규 분포를 알았습니다. 공부 부족이었는데...
봐 주셔서 감사합니다. 코멘트・지적등 있으면 감사합니다.
Reference
이 문제에 관하여(파이썬에서 다변량 정규 분포를 사용하지 않고 타원형 산점도 작성), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/isso_w/items/14b9afcfa7ff9e290e48텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)