Python可视化优化参数

Question

在下面的代码中，我遍历了由2个参数组成的网格，以查看哪一组参数将产生最佳结果。

from sklearn.grid_search import ParameterGrid

ar1= np.arange(1,10,0.1)
ar2= np.arange(0.1,3,0.01)
param_grid = {'p1': ar1, 'p2' : ar2}
grid = ParameterGrid(param_grid)
result=[]
p1=[]
p2=[]

for params in grid:
     r = getresult(params['p1'], params['p2'])
     result.append(r)
     p1.append(params['p1'])
     p2.append(params['p2'])

因此，我得到了3个数组，一个具有每次迭代的结果，两个数组(p1，p2)具有相应的参数。现在，我想用matplotlib绘制这些数据，以便可视化结果在参数平面上的变化。

我尝试了以下方法，但我得到了一个空白的情节：

fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(p1, p2, result)

理想情况下，我希望能够创建类似下面的情节。如何使用matplotlib实现这一点？

​

​

Answer 1

最后，我提出了以下解决方案：

fig = plt.figure()
ax = fig.gca(projection='3d')

ax.plot_trisurf(X, Y, Z, cmap=cm.jet, linewidth=0)
fig.tight_layout()
plt.show()

上述结果产生了所需的可视化，如下所示：

​

​

Answer 2

plot_surface要求输入数组是二维的.正如我所解释的，您的数组是一维的。因此，将它们改造成2D可能是一个解决方案。

import numpy as np
shape = (len(ar2), len(ar1))
p1 = np.array(p1).reshape(shape)
p2 = np.array(p2).reshape(shape)
result = result.reshape(shape)

然后通过

fig = plt.figure()
ax = fig.gca(projection='3d')
ax.plot_surface(p1, p2, result)

可能有用。(我现在不能测试它。)