我想知道如何生成一些随机数据,其绘图类似于“训练曲线”。通过训练曲线,我的意思是来自学习模型的一系列训练损失值。这些通常在开始时具有较大的值和方差,并且随着时间的推移会收敛到某个方差很小的值。它看起来有点像嘈杂的指数曲线。
这是我制作的最接近训练曲线的随机数据。问题是曲线不像真正的损失曲线那样变平或收敛,并且在较平坦的部分有太多的方差。
import numpy as np
import matplotlib.pyplot as plt
num_iters = 2000
rand_curve = np.sort(np.random.exponential(size=num_iters))[::-1]
noise = np.random.normal(0, 0.2, num_iters)
signal = rand_curve + noise
noisy_curve = signal[signal > 0]
plt.plot(noisy_curve, c='r', label='random curve')
这里有一个实际的训练损失曲线供引用。
我对概率分布的了解还不够,无法判断这是不是一个愚蠢的问题。我只想生成一条随机曲线,以便其他人可以使用数据数组来帮助我解决另一个关于 matplotlib 中的对数图的问题。
请您参考如下方法:
下面是如何使用噪声的 Gamma 分布的说明
x = np.arange(2000)
y = 0.00025 + 0.001 * np.exp(-x/100.) + scipy.stats.gamma(3).rvs(len(x))*(1-np.exp(-x/100))*2e-5
你可以在这里调整参数,减少噪音等
