积跬步至千里 || 矩阵可视化

矩阵可视化

矩阵可以很方面地展示事物两两之间的关系,这种关系可以通过矩阵可视化的方式进行简单监控。

定义一个通用类

from matplotlib import pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pdclass matrix_monitor():def __init__(self,min_color=-1,max_color=1,grad=5):self.min_color = min_colorself.max_color = max_colorself.grad = graddef fit_transform(self,Matrix):data = pd.DataFrame(Matrix)#设置色条的刻度:tick_=np.arange(self.min_color, self.max_color, self.grad).astype(float)#编辑做为参数的字典:dict_={'orientation':'vertical',"label":"color  \scale","drawedges":True,"ticklocation":"top","extend":"min", \"filled":True,"alpha":0.8,"cmap":"cmap","ticks":tick_}#将字典传入给参数cbar_kws:cmap=sns.heatmap(data,cbar_kws=dict_,center=0.5)plt.show()

调用类

import numpy as npX = data=np.random.randn(100,10)model = matrix_monitor()
model.fit_transform(X)

结果展示
在这里插入图片描述

另一种方法

# -*- coding: utf-8 -*-
# @Time    : 2022/9/24 16:33
# @Author  : ***
# @E-mail  : ***
# @File    : draw_heatmap.pyimport numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import griddataif __name__ == '__main__':X, Y = np.meshgrid(np.arange(9,0,-1),np.arange(8,0,-1))z = np.array([[0.50183977, 0.561332835, 0.625160768, 0.69396128, 0.759163978, 0.802044391, 0.839099501, 0.845485988,1, ],[0.464608121, 0.514854349, 0.571697125, 0.638777513, 0.707394237, 0.757547047, 0.805266426,0.814383193, 0.819529712, ],[0.42307737, 0.46231148, 0.507083231, 0.566034365, 0.631072187, 0.686196609, 0.743523975, 0.755396779,0.762416452, ],[0.385141269, 0.4129182, 0.44453635, 0.492440329, 0.54721264, 0.601517055, 0.666135176, 0.680423041,0.689101386, ],[0.349207249, 0.366696746, 0.384802277, 0.420102726, 0.461066828, 0.515066771, 0.585729701,0.603058967, 0.613716782, ],[0.330000562, 0.341282639, 0.351972084, 0.379004624, 0.410013296, 0.460646534, 0.534264624,0.553158381, 0.564695194, ],[0.319270694, 0.327231515, 0.333579852, 0.35462508, 0.378290545, 0.426066004, 0.500875256,0.520510426, 0.532623573, ],[0.312393427, 0.31783125, 0.321113142, 0.338438575, 0.357088955, 0.401471861, 0.477147046,0.497178064, 0.509567816, ],])c = plt.pcolormesh(X, Y, z, cmap='viridis_r', shading='gouraud')# 彩虹热力图# c = plt.pcolormesh(x_r, y_r, z, cmap='viridis_r')# 普通热力图plt.colorbar(c, label='AUPR')plt.xlabel('x')plt.ylabel('y')
#    plt.savefig('heatmap.tif', dpi=300)plt.show()

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/100975.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

AMBA总线协议(5)——AHB(三):猝发传输

一、前言 在之前的文章中我们详细讲述了关于AHB的基本操作流程,主机要先从仲裁器获得授权,然后进行总线的访问,这样可以避免总线冲突,获得授权后,主机给出地址和控制信号,从机根据自身情况进行响应&#xf…

多维时序 | MATLAB实现SCNGO-CNN-Attention多变量时间序列预测

多维时序 | MATLAB实现SCNGO-CNN-Attention多变量时间序列预测 目录 多维时序 | MATLAB实现SCNGO-CNN-Attention多变量时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 1.SCNGO-CNN-Attention超前24步多变量回归预测算法。 程序平台:无Attention适…

《一个操作系统的实现》windows用vm安装CentOS——从bochs环境搭建到第一个demo跑通

vm安装CentOS虚拟机带有桌面的版本。su输入密码123456。更新yum -y update 。一般已经安装好后面这2个工具:yum install -y net-tools wget。看下ip地址ifconfig,然后本地终端连接ssh root192.168.249.132输入密码即可,主要是为了复制网址方便…

ASR(自动语音识别)任务中的LLM(大语言模型)

一、LLM大语言模型的特点 二、大语言模型在ASR任务中的应用 浅度融合 浅层融合指的是LLM本身并没有和音频信息进行直接计算。其仅对ASR模型输出的文本结果进行重打分或者质量评估。 深度融合 LLM与ASR模型进行深度结合,统一语音和文本的编码空间或者直接利用ASR…

STP知识总结

目录 生成树协议 导致问题 生成树 存在算法 1、802.1D 接口状态 收敛时间 结构变化 802.1D 缺点 2、PVST cisco私有 3、PVST 缺点 4、快速生成树 快速原理 边缘接口 5、MSTP/MST/802.1S 生成树协议 生成树协议是一种工作在OSI网络模型中第二层(数据链路层…

MsrayPlus多功能搜索引擎采集软件

MsrayPlus多功能搜索引擎采集软件 摘要: 本文介绍了一款多功能搜索引擎软件-MsrayPlus,该软件能够根据关键词从搜索引擎中检索相关数据,并提供搜索引擎任务、爬虫引擎任务和联系信息采集三大功能。我们将分析该软件在不同领域的应用&#xf…

基于Java+SpringBoot+Vue的乌鲁木齐南山冰雪旅游服务网站【源码+论文+演示视频+包运行成功】

博主介绍:✌csdn特邀作者、博客专家、java领域优质创作者、博客之星,擅长Java、微信小程序、Python、Android等技术,专注于Java技术领域和毕业项目实战✌ 🍅文末获取源码联系🍅 👇🏻 精彩专栏推…

Redis进阶底层原理- Redis结构图与底层数据编码结构

Redis底层原理篇,​让学习绚丽多彩起来!!!(需要原图私信)

智能仓储管理系统(自动化仓库管理解决方案)

企业实际的仓储管理中,往往会出现那样这样的错误,归根结底,主要是由于没使用合适的仓库管理工具。相反,人工使用合适的仓库管理工具,不仅可以在日常仓库管理方法中根据采集到的产品信息数据,大大地提高管理…

什么是CSS中的BFC?

①什么是BFC BFC 全称:Block Formatting Context, 名为 “块级格式化上下文”。 W3C官方解释为:BFC它决定了元素如何对其内容进行定位,以及与其它元素的关系和相互作用,当涉及到可视化布局时,Block Forma…

在Hive/Spark上执行TPC-DS基准测试 (PARQUET格式)

在上一篇文章:《在Hive/Spark上运行执行TPC-DS基准测试 (ORC和TEXT格式)》中,我们介绍了如何使用 hive-testbench 在Hive/Spark上执行TPC-DS基准测试,同时也指出了该项目不支持parquet格式。 如果我们想要生成parquet格式的测试数据,就需要使用其他工具了。本文选择使用另…

Lnton羚通算法算力云平台【PyTorch】教程:torch.nn.Softsign

torch.nn.Softsign 原型 CLASS torch.nn.Softsign() 图 代码 import torch import torch.nn as nnm nn.Softsign() input torch.randn(4) output m(input)print("input: ", input) print("output: ", output)# input: tensor([ 0.0046, -0.4135, -2…

离散Fourier变换的一种理解方法

1. 离散Fourier变换的定义 一个信号 x 的离散Fourier变换(Discrete Fourier Transform,简记为DFT)定义为 , 其逆(inverse) Fourier变换(简记为 IDFT)定义为 。 (译注:符号“≜”表示“根据定义,左边等于右边”。) 其中&#x…

html | 基于iframe的简易富文本编辑器

效果图 支持: 选中后 ctrlI 斜体 代码 思路就是在iframe种嵌套html和css。 <pre> - 支持: 选中后 ctrlI 斜体 - todo: 鼠标实现单击斜体 </pre> <iframe name"richedit" style"height:30%; width:100%;"></iframe><script…

操作符详解(2)

9.条件操作符 由问号和冒号组成&#xff0c;有三个表达式&#xff0c;有三个操作符&#xff0c;所以条件操作符是唯一的一个三目操作符&#xff0c;exp1为真&#xff0c;exp2则计算&#xff0c;exp3不算&#xff0c;整个表达式的结果就是exp2的结果。exp1为假&#xff0c;exp2…

LVS负载均衡DR(直接路由)模式

在LVS&#xff08;Linux Virtual Server&#xff09;负载均衡中的DR&#xff08;Direct Routing&#xff09;模式下&#xff0c;数据包的流向如下&#xff1a; 客户端发送请求到负载均衡器&#xff08;LVS&#xff09;的虚拟IP&#xff08;VIP&#xff09;。负载均衡器&#x…

【网络】数据链路层——MAC帧协议 | ARP协议

&#x1f431;作者&#xff1a;一只大喵咪1201 &#x1f431;专栏&#xff1a;《网络》 &#x1f525;格言&#xff1a;你只管努力&#xff0c;剩下的交给时间&#xff01; 来到数据链路层后&#xff0c;完整的数据被叫做数据帧&#xff0c;习惯上称之为MAC帧。 MAC帧协议 | A…

C++STL之string类

​ 食用指南&#xff1a;本文在有C基础的情况下食用更佳 &#x1f340;本文前置知识&#xff1a;C基础 ♈️今日夜电波&#xff1a;喜劇—星野源 1:06 ━━━━━━️&#x1f49f;──────── 3:51 …

AI 绘画Stable Diffusion 研究(十三)SD数字人制作工具SadTlaker使用教程

免责声明: 本案例所用安装包免费提供&#xff0c;无任何盈利目的。 大家好&#xff0c;我是风雨无阻。 想必大家经常看到&#xff0c;无论是在产品营销还是品牌推广时&#xff0c;很多人经常以数字人的方式来为自己创造财富。而市面上的数字人收费都比较昂贵&#xff0c;少则几…