浅谈分类图中的pcolormesh()与伪色彩

最新推荐文章于 2023-12-19 10:34:15 发布

原创最新推荐文章于 2023-12-19 10:34:15 发布 · 2.5k 阅读

0 ·

CC 4.0 BY-SA版权

本文讲解如何使用matplotlib的pcolormesh方法实现机器学习分类器的决策边界可视化，通过伪色彩映射，将复杂的meshpoint预测结果转化为直观的分类边界图。

在机器学习中如果要对训练好的分类器进行分类辩解的可视化，就需要用到matplotlib.pyplot.pcolormesh()这一方程

其description为：‘Create a pseudocolor plot with a non-regular rectangular grid.’方法中的pcolor一词为pseudocolor缩写，中文翻译为伪色彩。

伪彩色图像的含义是，每个像素的颜色不是由每个基色分量的数值直接决定，而是把像素值当作彩色查找表(color look-up table，CLUT)的表项入口地址，去查找一个显示图像时使用的R，G，B强度值，用查找出的R，G，B强度值产生的彩色称为伪彩色。

彩色查找表CLUT是一个事先做好的表，表项入口地址也称为索引号。例如16种颜色的查找表，0号索引对应黑色，15号索引对应白色。彩色图像本身的像素数值和彩色查找表的索引号有一个变换关系。

由于一个分类器的分类边界的成型，需要用到非常多的mesh point，每个mesh point 对应了预测结果label所表示的颜色，而label对应的colormap即是一种CLUT，相应的我们就可以将pcolormesh()方法应用到decision boundry的绘制中，从而高度精简了代码。