python 畫出使用分類器得到的決策邊界
更新時間:2019年08月21日 09:34:29 作者:星之空殤
這篇文章主要介紹了python 畫出使用分類器得到的決策邊界,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
獲取數(shù)據(jù)集,并畫圖代碼如下:
import numpy as np from sklearn.datasets import make_moons import matplotlib.pyplot as plt # 手動生成一個隨機的平面點分布,并畫出來 np.random.seed(0) X, y = make_moons(200, noise=0.20) plt.scatter(X[:,0], X[:,1], s=40, c=y, cmap=plt.cm.Spectral) plt.show()
得到圖如下:

定義決策邊界函數(shù):
# 咱們先頂一個一個函數(shù)來畫決策邊界 def plot_decision_boundary(pred_func): # 設(shè)定最大最小值,附加一點點邊緣填充 x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5 y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5 h = 0.01 xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h)) # 用預(yù)測函數(shù)預(yù)測一下 Z = pred_func(np.c_[xx.ravel(), yy.ravel()]) Z = Z.reshape(xx.shape) # 然后畫出圖 plt.contourf(xx, yy, Z, cmap=plt.cm.Spectral) plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Spectral)
定義分類函數(shù),并畫出決策邊界圖代碼如下:
from sklearn.linear_model import LogisticRegressionCV
#咱們先來瞄一眼邏輯斯特回歸對于它的分類效果
clf = LogisticRegressionCV()
clf.fit(X, y)
# 畫一下決策邊界
plot_decision_boundary(lambda x: clf.predict(x))
plt.title("Logistic Regression")
plt.show()
畫圖如下:

以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。
您可能感興趣的文章:
相關(guān)文章
Pycharm中安裝wordcloud等庫失敗問題及終端通過pip安裝的Python庫如何添加到Pycharm解釋器中(
這篇文章主要介紹了Pycharm中安裝wordcloud等庫失敗問題及終端通過pip安裝的Python庫如何添加到Pycharm解釋器中,本文給大家介紹的非常詳細,需要的朋友可以參考下2020-05-05
解決Python計算矩陣乘向量,矩陣乘實數(shù)的一些小錯誤
今天小編就為大家分享一篇解決Python計算矩陣乘向量,矩陣乘實數(shù)的一些小錯誤,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
python基于pyDes庫實現(xiàn)des加密的方法
這篇文章主要介紹了python基于pyDes庫實現(xiàn)des加密的方法,結(jié)合實例形式較為詳細的分析了pyDes庫的下載、安裝及使用pyDes庫進行加密的相關(guān)操作技巧,需要的朋友可以參考下2017-04-04

