我已经创建了一个函数，旨在生成一个2D高斯数组，根据公式：

的数据
然而，峰值在参数空间的边缘而不是在均值所在的地方分裂。

def Gauss_2D(x_grid, y_grid, mean=np.array((0, 0)), covariance_matrix=np.array([[1, 0], [0, 1]])):
    x=np.linspace(-3, 3, x_grid)-mean[0]
    y=np.linspace(-3, 3, y_grid)-mean[1]

    xy=np.vstack((x, y))
    inv_cov_matrix = np.linalg.inv(covariance_matrix)

    exponent = -0.5 * (xy.T @ inv_cov_matrix @ xy)
    z = (1 / (2 * np.pi * np.sqrt(np.linalg.det(covariance_matrix)))) * np.exp(exponent)

    return z

字符串
我还想提一下，我确实有一个代码，为子孙后代的缘故，我只是不明白为什么上面的代码不工作。

def Gauss2D(x_grid, y_grid, mean=(0, 0), covariance_matrix=[[1, 0], [0, 1]]):
    x = np.linspace(-3, 3, x_grid)
    y = np.linspace(-3, 3, y_grid)
    x, y = np.meshgrid(x, y)

    xy = np.column_stack((x.flatten(), y.flatten()))
    inv_cov_matrix = np.linalg.inv(covariance_matrix)
    
    exponent = -0.5 * np.sum((xy - mean) @ inv_cov_matrix * (xy - mean), axis=1)
    z = (1 / (2 * np.pi * np.sqrt(np.linalg.det(covariance_matrix)))) * np.exp(exponent)

    return z.reshape(rows, cols)

型
的输出

g2d= Gauss_2D(100, 100)
plt.imshow(g2d, cmap='viridis', extent=(-3, 3, -3, 3))

型
产生以左下角和右上角为中心的高斯分布，而不是使用第一个函数时的平均位置。