python分类问题决策边界可视化以⼆维平⾯上的分类问题为例：
真实的决策边界为背景颜⾊，圆点的颜⾊表⽰了⼀个随机模型赋予的标签。
下⾯展⽰如何绘制上图：
⾸先需要两个函数给样本打标签：
def f_true(x):
return(np.sum(x*x,axis=1)<0.25).astype(np.int)
def f_random(x):
return np.random.randint(0,2,[len(x),1])
import matplotlib as mpl
cm_light = lors.ListedColormap(['y','r'])
x = np.random.uniform(-1,1,[100,2])
# 在样本的上下界基础上扩张⼀点点
def region(a, b):
return1.05*a-0.05*b,1.05*b-0.05*a
x1_min, x1_max = region(x[:,0].min(), x[:,0].max())# x1的范围
x2_min, x2_max = region(x[:,1].min(), x[:,1].max())# x2的范围
# 在限定的范围内 colormesh ⽅法绘制背景颜⾊
N=500
M=500
t1 = np.linspace(x1_min, x1_max,N)
t2 = np.linspace(x2_min, x2_max,M)
x1, x2 = np.meshgrid(t1, t2)random python
x_show = np.stack((x1.flat, x2.flat), axis=1)
y_hat = f_true(x_show)# 预测
y_hat = shape(x1.shape)# 使之与输⼊的形状相同
plt.figure(facecolor='w')
plt.pcolormesh(x1, x2, y_hat, cmap=cm_light)# 预测值的显⽰
# scatter 绘制样本
y = f_random(x)
y = np.squeeze(y)
plt.scatter(x[:,0], x[:,1], s=30, c=y, edgecolors='k', cmap=cm_light)

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。