You need to enable JavaScript to run this app. 如何用Python绘制基于Old Faithful数据集的高斯PDF轮廓图?解决z维度报错
优惠活动
大模型
产品
解决方案
定价
更多

如何用Python绘制基于Old Faithful数据集的高斯PDF轮廓图?解决z维度报错

报错原因定位
  • 核心问题是混淆了单变量、多元高斯分布的API调用规则:你当前使用的scipy.stats.norm是单变量正态分布实现,其pdf()方法仅支持接收单个维度的数值输入计算概率密度。你将两个维度的网格通过np.dstack拼接成三维数组传入时,函数输出的结果维度不符合plt.contourf()要求的2D矩阵格式,因此触发TypeError: Input z must be 2D, not 3D报错。就算绕过维度报错,单变量接口计算得到的也只是单维度的概率值,无法输出双变量联合分布的密度矩阵,绘制出的轮廓完全不符合目标要求。
  • 逻辑错配:Old Faithful数据集的目标轮廓是喷发时长、等待时间两个变量的二元联合分布轮廓,本身就需要通过多元高斯计算联合概率密度,无法直接用单变量高斯的接口完成计算。
修正实现方案

调整思路

  • 替换单变量正态接口为多元正态分布接口scipy.stats.multivariate_normal,该接口原生支持接收二维网格点计算联合概率密度,输出结果天然为匹配轮廓图要求的2D数组。
  • 按照多元高斯的参数要求,将之前估计的均值、方差整理为对应的格式:均值为包含两个维度值的向量,协方差为2x2的协方差矩阵。

可直接运行的代码

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import multivariate_normal

# 生成坐标轴网格
t = np.linspace(1.5, 6, 100)
h = np.linspace(1.2, 6, 100)
w_0, w_1 = np.meshgrid(t, h)

# 将网格点打包为多元高斯需要的输入格式
grid_points = np.dstack((w_0, w_1))

# 替换为你估计得到的参数:mean为两维度均值组成的向量,cov为2x2协方差矩阵
mean_vec = np.array([u_ml[0], u_ml[1]])
cov_mat = np.array([
    [sig_ml[0, 0], sig_ml[0, 1]],
    [sig_ml[1, 0], sig_ml[1, 1]]
])

# 计算二元高斯的概率密度矩阵
z = multivariate_normal(mean=mean_vec, cov=cov_mat).pdf(grid_points)

# 绘制填充轮廓图
plt.contourf(t, h, z, cmap='plasma')
plt.xlabel("喷发时长")
plt.ylabel("等待间隔")
plt.show()

注意:如果你之前对两个变量做的是独立的单变量高斯估计,只要把两个单变量的方差对应放到协方差矩阵的对角位置,非对角协方差元素设为0,即可计算独立假设下的联合分布轮廓。

内容的提问来源于stack exchange,提问作者Nicolas Pacheco

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.03 12:36:08