Попробуйте 3D-функцию плотности вероятности для многомерного нормального распределения

Question

У меня есть этот код, адаптированный здесь: https://scipython.com/blog/visualizing-the-bivariate-gaussian-distribution/ для работы с моими данными.

Мои данные

hour    Cost
20  58.00
20  336.00
20  34.50
20  106.50
20  118.00
...
11  198.36
11  276.00
11  40.00
11  308.00
11  140.00
11  72.00
11  116.50
11  290.00
11  266.00
11  66.00
11  100.00
11  79.00
11  106.00
11  160.00

Мой код:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D

from scipy.stats import multivariate_normal


dataset=df[['hour','Cost']]

X = dataset.hour.values
Y = dataset.Cost.values

X, Y = np.meshgrid(X, Y)
N = len(X)

def estimateGaussian(dataset):
    mu = np.mean(dataset, axis=0)
    sigma = np.cov(dataset.T)
    return mu, sigma


mu, Sigma = estimateGaussian(dataset)

pos = np.empty(X.shape + (2,))
pos[:, :, 0] = X
pos[:, :, 1] = Y

F = multivariate_normal(pos, mu, Sigma)
Z = F.pdf(pos)

fig = plt.figure(figsize=(20,10))
ax = fig.gca(projection='3d')
ax.plot_surface(X, Y, Z, rstride=3, cstride=3, linewidth=1, antialiased=True,
                cmap=cm.viridis)

cset = ax.contourf(X, Y, Z, zdir='z', offset=-0.15, cmap=cm.viridis)

# Adjust the limits, ticks and view angle
ax.set_zlim(-0.15,0.2)
ax.set_zticks(np.linspace(0,0.2,5))
ax.view_init(27, 90)

plt.show()

Предположим, час и стоимость любых случайных векторов

• Как исправить эту ошибку?

C:\ProgramData\Anaconda3\envs\tensorflow\lib\site-packages\scipy\stats\_multivariate.py in __init__(self, mean, cov, allow_singular, seed, maxpts, abseps, releps)
    725         self._dist = multivariate_normal_gen(seed)
    726         self.dim, self.mean, self.cov = self._dist._process_parameters(
--> 727                                                             None, mean, cov)
    728         self.cov_info = _PSD(self.cov, allow_singular=allow_singular)
    729         if not maxpts:

C:\ProgramData\Anaconda3\envs\tensorflow\lib\site-packages\scipy\stats\_multivariate.py in _process_parameters(self, dim, mean, cov)
    397 
    398         if mean.ndim != 1 or mean.shape[0] != dim:
--> 399             raise ValueError("Array 'mean' must be a vector of length %d." % dim)
    400         if cov.ndim == 0:
    401             cov = cov * np.eye(dim)

ValueError: Array 'mean' must be a vector of length 173873952.

• Как узнать вероятность для любой пары (час, стоимость) в моих данных и визуализировать их?

Извините за ошибки Я не являюсь носителем английского языка.

Так что мой вопрос остался на некоторое время без ответа, яВоспользовался советом @ImportanceOfBeingErnest, чтобы упростить пример и сделать его проверяемым примером:

Это простой пример:

time=[1,2,3,4,5,6]
cost=[4,5,3,4,8,9]
var_matrix=np.array([time,cost]).T
mean = np.mean(var_matrix,axis=0)
sigma = np.cov(var_matrix.T)
y = multivariate_normal.pdf(var_matrix, mean=mean, cov=sigma,allow_singular=True)

• Как показать трехмерный график (стоимость, время) изначение плотности вероятности для пар.

Заранее спасибо.

Answer 1

Вы можете напрямую применить пример, приведенный в multivariate_normal документации

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

time=[1,2,3,4,5,6]
cost=[4,5,3,4,8,9]

var_matrix=np.array([time,cost]).T
mean = np.mean(var_matrix,axis=0)
sigma = np.cov(var_matrix.T)
dist = multivariate_normal(mean, cov=sigma)

x, y = np.mgrid[1:6.02:.05, 3:9.02:.05]
pos = np.empty(x.shape + (2,))
pos[:, :, 0] = x; pos[:, :, 1] = y

z = dist.pdf(pos)

plt.contourf(x,y,z)
plt.show()