Python可视化优化参数

我有以下代码，我在其中遍历 2 个参数的网格，以查看哪组参数会产生最佳结果。

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'])

结果我得到了 3 个数组，一个包含每次迭代的结果，两个数组 (p1,p2) 带有相应的参数。我现在想用 matplotlib 绘制这些数据，以可视化结果在参数平面上的变化情况。

我尝试了以下操作，但得到了一个空白图:

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

理想情况下，我希望能够创建如下图所示的内容。如何使用 matplotlib 完成此操作？

最佳答案

我最终采用了以下解决方案:

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

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

以上产生了所需的可视化，如下所示:

关于Python可视化优化参数，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/43301191/