欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

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，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

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))
 
 # 用預測函數(shù)預測一下
 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，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

相關(guān)文章

最新評論