画出使用分类器得到的决策边界
来源:互联网 发布:淘宝电动清扫车多少钱 编辑:程序博客网 时间:2024/05/20 18:45
获取数据集,并画图代码如下:
import numpy as npfrom sklearn.datasets import make_moonsimport matplotlib.pyplot as plt# 手动生成一个随机的平面点分布,并画出来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()
得到图如下:
定义决策边界函数:
# 咱们先顶一个一个函数来画决策边界def plot_decision_boundary(pred_func): # 设定最大最小值,附加一点点边缘填充 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)) # 用预测函数预测一下 Z = pred_func(np.c_[xx.ravel(), yy.ravel()]) Z = Z.reshape(xx.shape) # 然后画出图 plt.contourf(xx, yy, Z, cmap=plt.cm.Spectral) plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Spectral)定义分类函数,并画出决策边界图代码如下:
from sklearn.linear_model import LogisticRegressionCV#咱们先来瞄一眼逻辑斯特回归对于它的分类效果clf = LogisticRegressionCV()clf.fit(X, y) # 画一下决策边界plot_decision_boundary(lambda x: clf.predict(x))plt.title("Logistic Regression")plt.show()
画图如下:
0 0
- 画出使用分类器得到的决策边界
- 基于贝叶斯决策理论的分类器
- 基于贝叶斯决策理论的分类器
- iOS -- 百度地图画出行政区域的边界
- 贝叶斯决策 分类器
- 模式识别读书笔记1 基于贝叶斯决策理论的分类器
- matplotlib绘制决策边界
- 微服务的边界 (粒度) 是 "决策", 而不是个 "标准答案"
- 2017.05.05回顾 关于决策边界的一些思考
- logistic回归,以及决策边界与回归的区别
- 如何得到地图的边界坐标
- 基于贝叶斯决策理论的分类方法
- 决策边界 支持向量机
- 【原】使用SQL递归查询得到一个分类的路径
- Drools决策表的使用
- Hadoop好友推荐系统-画出决策图
- [模式识别].(希腊)西奥多里蒂斯<第四版>笔记2之__基于贝叶斯决策理论的分类器
- 给轮廓画出矩形和圆形边界
- 二分查找法
- 1262: 魔法宝石 (“玲珑杯”河南工业大学ACM程序设计大赛)
- 有3行文字,每行有80个字符,分别统计出其中大小写字母,数字,空格以及其他字符个数
- mac和linux系统配置git tab自动补全
- 大话设计模式读书笔记(十七) 桥接模式
- 画出使用分类器得到的决策边界
- 面向接口编程详解
- [BZOJ4551][Tjoi2016&Heoi2016]树(dfs序+线段树)
- 简单工厂模式
- 剑指offer-8.跳台阶
- 关于Python error: Microsoft Visual C++ 9.0 is required. Get it from http://aka.ms/vcpython27
- ZOJ
- caffe+unbuntu14.04+GPU运行srcnn
- 下拉刷新 上拉加载