資訊專(zhuān)欄INFORMATION COLUMN
這篇文章的主要目的，是給大家講解一下，關(guān)于python Copula如何進(jìn)行繪制散點(diǎn)模型的相關(guān)實(shí)例，具體的代碼下面給大家列出來(lái)了，有問(wèn)題的小伙伴，可以仔細(xì)的進(jìn)行閱讀下文哦。
一、使用copula生成合成數(shù)據(jù)集（synthetic dataset）
1.三維數(shù)據(jù)描述
建立一個(gè)三維數(shù)據(jù)表，查看三維數(shù)據(jù)的散點(diǎn)圖：
from copulas.datasets import sample_trivariate_xyz data=sample_trivariate_xyz() from copulas.visualization import scatter_3d scatter_3d(data)
2.使用高斯copula對(duì)數(shù)據(jù)集建模
使用GaussianMultivariate（自動(dòng)）估計(jì)x、y、z的邊緣分布和聯(lián)合分布，從而能夠?qū)?shù)據(jù)集建模。
from copulas.multivariate import GaussianMultivariate copula=GaussianMultivariate() copula.fit(data)
3.使用擬合后的模型生成新的數(shù)據(jù)集
使用sample按擬合好的邊際分布生成1000個(gè)新的樣本點(diǎn)（每個(gè)編輯分布都生成1000個(gè)樣本點(diǎn)，3個(gè)邊際分布生成3000個(gè)樣本點(diǎn)）
num_samples=1000 synthetic_data=copula.sample(num_samples) synthetic_data.head()
4.觀察三維散點(diǎn)圖，比較擬合數(shù)據(jù)與真實(shí)數(shù)據(jù)的差異
from copulas.visualization import compare_3d compare_3d(data,synthetic_data)
5.保存與加載模型擬合路徑
對(duì)于需要較長(zhǎng)時(shí)間進(jìn)行擬合copula模型的數(shù)據(jù)，可以擬合一個(gè)比較合適的模型后，用save保存這個(gè)模型，在每次想采樣新數(shù)據(jù)時(shí)用load加載存儲(chǔ)在磁盤(pán)上已經(jīng)擬合好的模型。
model_path='mymodel.pkl' copula.save(model_path) new_copula=GaussianMultivariate.load(model_path) new_samples=new_copula.sample(num_samples)
6.提取和設(shè)置參數(shù)
在某些情況下，從擬合的連接中獲取參數(shù)比從磁盤(pán)中保存和加載參數(shù)更有用?？梢允褂胻o_dict方法提取copula模型的參數(shù)：
copula_params=copula.to_dict()
一旦有了所有的參數(shù)，就可以使用from_dict創(chuàng)建一個(gè)新的相同的Copula模型：
new_copula=GaussianMultivariate.from_dict(copula_params)
#用新模型生成新的參數(shù)：
new_samples=new_copula.sample(num_samples)
綜上所述，這篇文章就為大家介紹到這里了，希望可以能給各位讀者帶來(lái)更多的幫助。
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/128019.html
??蘇州程序大白一文從基礎(chǔ)手把手教你Python數(shù)據(jù)可視化大佬??《??記得收藏??》 目錄 ????開(kāi)講啦?。。?！????蘇州程序大白?????博主介紹前言數(shù)據(jù)關(guān)系可視化散點(diǎn)圖 Scatter plots折線圖強(qiáng)調(diào)連續(xù)性 Emphasizing continuity with line plots同時(shí)顯示多了圖表 數(shù)據(jù)種類(lèi)的可視化 Plotting with categorical da...
摘要：在本次課程中，著重講解的是傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)及各種算法?；貧w對(duì)連續(xù)型數(shù)據(jù)進(jìn)行預(yù)測(cè)趨勢(shì)預(yù)測(cè)等除了分類(lèi)之外，數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)技術(shù)還有一個(gè)非常經(jīng)典的場(chǎng)景回歸。 摘要： 什么是數(shù)據(jù)挖掘？什么是機(jī)器學(xué)習(xí)？又如何進(jìn)行Python數(shù)據(jù)預(yù)處理？本文將帶領(lǐng)大家一同了解數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)，通過(guò)淘寶商品案例進(jìn)行數(shù)據(jù)預(yù)處理實(shí)戰(zhàn)，通過(guò)鳶尾花案例介紹各種分類(lèi)算法。 課程主講簡(jiǎn)介：韋瑋，企業(yè)家，資深I(lǐng)T領(lǐng)...
摘要：在本次課程中，著重講解的是傳統(tǒng)的機(jī)器學(xué)習(xí)技術(shù)及各種算法?；貧w對(duì)連續(xù)型數(shù)據(jù)進(jìn)行預(yù)測(cè)趨勢(shì)預(yù)測(cè)等除了分類(lèi)之外，數(shù)據(jù)挖掘技術(shù)和機(jī)器學(xué)習(xí)技術(shù)還有一個(gè)非常經(jīng)典的場(chǎng)景回歸。 摘要： 什么是數(shù)據(jù)挖掘？什么是機(jī)器學(xué)習(xí)？又如何進(jìn)行Python數(shù)據(jù)預(yù)處理？本文將帶領(lǐng)大家一同了解數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)，通過(guò)淘寶商品案例進(jìn)行數(shù)據(jù)預(yù)處理實(shí)戰(zhàn)，通過(guò)鳶尾花案例介紹各種分類(lèi)算法。 課程主講簡(jiǎn)介：韋瑋，企業(yè)家，資深I(lǐng)T領(lǐng)...
閱讀 923·2023-01-14 11:38
閱讀 895·2023-01-14 11:04
閱讀 756·2023-01-14 10:48
閱讀 2055·2023-01-14 10:34
閱讀 961·2023-01-14 10:24
閱讀 840·2023-01-14 10:18
閱讀 510·2023-01-14 10:09
閱讀 588·2023-01-14 10:02
