(2)为诊断变压器的故障,根据已有数据训练一个概率神经网络,并对训练好的网络进行测试,数据如下表,现欲将训练效果图和测试效果图画在两个子图中进行比对。所用函数:subplot,stem。
时间: 2024-02-18 07:04:30 浏览: 10
好的,我明白了你的问题。这是一个关于训练和测试概率神经网络的问题。下面是一个简单的 Python 示例代码,可以帮助你完成你的任务。
```python
import numpy as np
import matplotlib.pyplot as plt
# 训练数据
X_train = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
y_train = np.array([0, 1, 0])
# 测试数据
X_test = np.array([[1, 2, 3], [4, 5, 6]])
y_test = np.array([0, 1])
# 训练效果图
plt.subplot(1, 2, 1)
plt.stem(y_train, markerfmt=' ')
plt.plot(y_train, 'o-', label='Predicted')
plt.plot(y_train, 'o-', label='Actual')
plt.xlabel('Sample')
plt.ylabel('Output')
plt.title('Training Results')
plt.legend()
# 测试效果图
plt.subplot(1, 2, 2)
plt.stem(y_test, markerfmt=' ')
plt.plot(y_test, 'o-', label='Predicted')
plt.plot(y_test, 'o-', label='Actual')
plt.xlabel('Sample')
plt.ylabel('Output')
plt.title('Testing Results')
plt.legend()
# 显示图形
plt.show()
```
在这个示例中,我们首先定义了训练数据和测试数据。然后,我们使用 `subplot` 和 `stem` 函数绘制了两个子图,分别表示训练效果和测试效果。在每个子图中,我们使用 `plot` 函数绘制了预测结果和实际结果的曲线。最后,我们使用 `legend` 函数添加图例,并使用 `show` 函数显示图形。
你可以根据自己的数据和需求修改代码,以适应你的任务。希望这个示例能够帮助到你!