在 matplotlib 中绘制最小二乘估计函数的等高线图答案

【问题标题】：Plotting contour plot of minimum square estimate function in matplotlib在 matplotlib 中绘制最小二乘估计函数的等高线图
【发布时间】：2021-03-03 03:46:16
【问题描述】：

为了可视化我的线性回归模型的梯度下降，我正在尝试为以下mse 函数绘制等高线图：

import jax.numpy as jnp
import numpy as np

def make_mse(x, t):  
  def mse(w,b): 
    return np.sum(jnp.power(x.dot(w) + b - t, 2))/2
  return mse

图中的x 和y 轴对应于w 和b 参数。

x 和 t 与绘图无关，因为 x 的值每次只是乘以 w 的单个值。

我正在尝试执行以下操作：

x = np.linspace(-1.0,1.0,500)
t = 5*x + 1

xcoord = np.linspace(-10.0,10.0,50)
ycoord = np.linspace(-10.0,10.0,50)
w1,w2 = np.meshgrid(xcoord,ycoord)

Z = make_mse(x, t)(w1,w2)

但是，对于点积，我遇到了明显的错误：

/usr/local/lib/python3.7/dist-packages/jax/_src/lax/lax.py in dot(lhs, rhs, precision, preferred_element_type)
    634   else:
    635     raise TypeError("Incompatible shapes for dot: got {} and {}.".format(
--> 636         lhs.shape, rhs.shape))
    637 
    638 

TypeError: Incompatible shapes for dot: got (1000, 1) and (50, 50).

任何pythonic有效的方法来制作这个函数的等高线图？

【问题讨论】：

标签： python matplotlib machine-learning contour mse

【解决方案1】：

您不需要np.sum()，因为您需要每个网格点的 MSE，而不是它们的总和。此外，x 的尺寸必须与网格匹配。以下作品：

import numpy as np

def make_mse(x, t):  
  def mse(w,b): 
    return np.power(x.dot(w) + b - t, 2)
  return mse 

x = np.linspace(-1.0,1.0,500)
t = 5*x + 1

xcoord = np.linspace(-10.0,10.0,500)
ycoord = np.linspace(-10.0,10.0,500)
w1,w2 = np.meshgrid(xcoord,ycoord)

Z = make_mse(x, t)(w1,w2)
plt.contourf(w1,w2,Z)

具有以下输出轮廓

【讨论】：