这篇文章给大家分享的是如何用Copula实现绘制散点模型，操作过程是什么。小编觉得挺实用的，因此分享给大家做个参考，文中的介绍得很详细，而要易于理解和学习，有需要的朋友可以参考，接下来就跟随小编一起了解看看吧。

 一、使用copula生成合成数据集（synthetic dataset）

1. 三维数据描述

建立一个三维数据表，查看三维数据的散点图：

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对数据集建模

使用GaussianMultivariate（自动）估计x、y、z的边缘分布和联合分布，从而能够对数据集建模。

from copulas.multivariate import GaussianMultivariate
copula = GaussianMultivariate()
copula.fit(data)

3. 使用拟合后的模型生成新的数据集

使用sample按拟合好的边际分布生成1000个新的样本点（每个编辑分布都生成1000个样本点，3个边际分布生成3000个样本点）

num_samples = 1000
synthetic_data = copula.sample(num_samples)
synthetic_data.head()

4. 观察三维散点图，比较拟合数据与真实数据的差异

from copulas.visualization import compare_3d
compare_3d(data, synthetic_data)

5. 保存与加载模型拟合路径

对于需要较长时间进行拟合copula模型的数据，可以拟合一个比较合适的模型后，用save保存这个模型，在每次想采样新数据时用load加载存储在磁盘上已经拟合好的模型。

model_path = 'mymodel.pkl'
copula.save(model_path)
new_copula = GaussianMultivariate.load(model_path)
new_samples = new_copula.sample(num_samples)

6. 提取和设置参数

在某些情况下，从拟合的连接中获取参数比从磁盘中保存和加载参数更有用。可以使用to_dict方法提取copula模型的参数：

copula_params = copula.to_dict()

一旦有了所有的参数，就可以使用from_dict创建一个新的相同的Copula模型：

new_copula = GaussianMultivariate.from_dict(copula_params)
# 用新模型生成新的参数：
new_samples = new_copula.sample(num_samples)

到此这篇关于“如何用Copula实现绘制散点模型，操作过程是什么”的文章就介绍到这了,更多相关如何用Copula实现绘制散点模型，操作过程是什么内容，欢迎关注群英网络技术资讯频道，小编将为大家输出更多高质量的实用文章！

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python中使用什么方法实现曲线平滑

  本文主要介绍了Python曲线平滑的实现示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

• Python字典初始化、合并、转Panda操作怎样实现

  字典是Python必用且常用的数据结构，本文主要为大家梳理了一下常用的字典操作：初始化、合并字典、字典转Pandas等，需要的可以参考一下

• 如何学习Python图卷积神经网络的相关知识

  这篇文章主要为大家介绍了GCN图卷积神经网络原理及代码解析，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪

• Scrapy安装执行找不到指定的程序问题怎么解决

  Note: 本解决方案在window10 + anaconda3 +pycharm2020.1.1 + scrapy安装亲测可用

• Python dir()函数描述是怎样，如何应用

  dir() 函数不带参数时，返回当前范围内的变量、方法和定义的类型列表；带参数时，返回参数的属性、方法列表。如果参数包含方法__dir__()，该方法将被调用。如果参数不包含__dir__()，该方法将最大限度地收集参数信息。