探索规范化

多元正态分布的各种归一化。

  1. import matplotlib.pyplot as plt
  2. import matplotlib.colors as mcolors
  3. import numpy as np
  4. from numpy.random import multivariate_normal
  6. data = np.vstack([
  7.     multivariate_normal([10, 10], [[3, 2], [2, 3]], size=100000),
  8.     multivariate_normal([30, 20], [[2, 3], [1, 3]], size=1000)
  9. ])
  11. gammas = [0.8, 0.5, 0.3]
  13. fig, axes = plt.subplots(nrows=2, ncols=2)
  15. axes[0, 0].set_title('Linear normalization')
  16. axes[0, 0].hist2d(data[:, 0], data[:, 1], bins=100)
  18. for ax, gamma in zip(axes.flat[1:], gammas):
  19.     ax.set_title(r'Power law $(\gamma=%1.1f)$' % gamma)
  20.     ax.hist2d(data[:, 0], data[:, 1],
  21.               bins=100, norm=mcolors.PowerNorm(gamma))
  23. fig.tight_layout()
  25. plt.show()

探索规范化示例

参考

此示例中显示了以下函数，方法，类和模块的使用：

  1. import matplotlib
  2. matplotlib.colors
  3. matplotlib.colors.PowerNorm
  4. matplotlib.axes.Axes.hist2d
  5. matplotlib.pyplot.hist2d

下载这个示例