Python 如何使用梯度下降算法中的权重在三维空间中绘制平面?
是否有一种方法可以使用Python 如何使用梯度下降算法中的权重在三维空间中绘制平面?,python,matplotlib,gradient-descent,Python,Matplotlib,Gradient Descent,是否有一种方法可以使用matplotlib在三维空间中绘制具有3个“权重”或坡度的平面?我试图从梯度下降算法中可视化一个线性回归平面,该算法返回对应于3个特征的3个权重 我不知道如何将其转换为像Axes3D.plot\u surface这样的函数可以使用的东西?我确实缺少统计背景,但就平面而言,您应该尝试定义一个z(x,y)功能,您可以使用Axes3D在网格上打印。打印曲面。通常需要z=m*x+n*y+c,其中m和n是相对于x和y的斜率;很可能你的三个权重更像是m1*x+m2*y+m3*z=c,
matplotlib
在三维空间中绘制具有3个“权重”或坡度的平面?我试图从梯度下降算法中可视化一个线性回归平面,该算法返回对应于3个特征的3个权重
我不知道如何将其转换为像
Axes3D.plot\u surface
这样的函数可以使用的东西?我确实缺少统计背景,但就平面而言,您应该尝试定义一个z(x,y)
功能,您可以使用Axes3D在网格上打印。打印曲面
。通常需要z=m*x+n*y+c
,其中m
和n
是相对于x
和y
的斜率;很可能你的三个权重更像是m1*x+m2*y+m3*z=c
,在这种情况下,你可能应该用m1,m2
除以m3
,如果m3
为零,那么你会得到无穷大的斜率,在这种情况下平面是垂直的,在这种情况下z(x,y)
不起作用,但y(x,z)
可能起作用。