資訊專欄INFORMATION COLUMN
這篇文章的主要目的，是給大家講解一下，關于python Copula如何進行繪制散點模型的相關實例，具體的代碼下面給大家列出來了，有問題的小伙伴，可以仔細的進行閱讀下文哦。
一、使用copula生成合成數據集（synthetic dataset）
1.三維數據描述
建立一個三維數據表，查看三維數據的散點圖：
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對數據集建模
使用GaussianMultivariate（自動）估計x、y、z的邊緣分布和聯合分布，從而能夠對數據集建模。
from copulas.multivariate import GaussianMultivariate copula=GaussianMultivariate() copula.fit(data)
3.使用擬合后的模型生成新的數據集
使用sample按擬合好的邊際分布生成1000個新的樣本點（每個編輯分布都生成1000個樣本點，3個邊際分布生成3000個樣本點）
num_samples=1000 synthetic_data=copula.sample(num_samples) synthetic_data.head()
4.觀察三維散點圖，比較擬合數據與真實數據的差異
from copulas.visualization import compare_3d compare_3d(data,synthetic_data)
5.保存與加載模型擬合路徑
對于需要較長時間進行擬合copula模型的數據，可以擬合一個比較合適的模型后，用save保存這個模型，在每次想采樣新數據時用load加載存儲在磁盤上已經擬合好的模型。
model_path='mymodel.pkl' copula.save(model_path) new_copula=GaussianMultivariate.load(model_path) new_samples=new_copula.sample(num_samples)
6.提取和設置參數
在某些情況下，從擬合的連接中獲取參數比從磁盤中保存和加載參數更有用?？梢允褂胻o_dict方法提取copula模型的參數：
copula_params=copula.to_dict()
一旦有了所有的參數，就可以使用from_dict創建一個新的相同的Copula模型：
new_copula=GaussianMultivariate.from_dict(copula_params)
#用新模型生成新的參數：
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更多的幫助。
文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。
轉載請注明本文地址：http://specialneedsforspecialkids.com/yun/128019.html
??蘇州程序大白一文從基礎手把手教你Python數據可視化大佬??《??記得收藏??》 目錄 ????開講啦?。。?！????蘇州程序大白?????博主介紹前言數據關系可視化散點圖 Scatter plots折線圖強調連續性 Emphasizing continuity with line plots同時顯示多了圖表 數據種類的可視化 Plotting with categorical da...
摘要：在本次課程中，著重講解的是傳統的機器學習技術及各種算法?；貧w對連續型數據進行預測趨勢預測等除了分類之外，數據挖掘技術和機器學習技術還有一個非常經典的場景回歸。 摘要： 什么是數據挖掘？什么是機器學習？又如何進行Python數據預處理？本文將帶領大家一同了解數據挖掘和機器學習技術，通過淘寶商品案例進行數據預處理實戰，通過鳶尾花案例介紹各種分類算法。 課程主講簡介：韋瑋，企業家，資深IT領...
摘要：在本次課程中，著重講解的是傳統的機器學習技術及各種算法。回歸對連續型數據進行預測趨勢預測等除了分類之外，數據挖掘技術和機器學習技術還有一個非常經典的場景回歸。 摘要： 什么是數據挖掘？什么是機器學習？又如何進行Python數據預處理？本文將帶領大家一同了解數據挖掘和機器學習技術，通過淘寶商品案例進行數據預處理實戰，通過鳶尾花案例介紹各種分類算法。 課程主講簡介：韋瑋，企業家，資深IT領...
閱讀 911·2023-01-14 11:38
閱讀 878·2023-01-14 11:04
閱讀 740·2023-01-14 10:48
閱讀 1983·2023-01-14 10:34
閱讀 942·2023-01-14 10:24
閱讀 819·2023-01-14 10:18
閱讀 499·2023-01-14 10:09
閱讀 572·2023-01-14 10:02
