图
决策界面图直观的展示了模型分类效果,如下
1,原始样本分布图
2,模型决策界面可视化结果
a-线性模型
b-3层神经网络
可见模型效果非常直观
实现流程
1,首先应该得到图中每个点(夸张的说法,但必须覆盖样本点,且点数 >> 样本点数)
2,根据所得模型,计算所有点的分类情况
思路很简单,主要是matplotlib,numpy相应函数的组合使用,以及样本维度的注意
代码
上图中都是以二维数据为例,也相对比较好作图
# 说明x:样本点(N,2),y :标签【三个种类】 (N,3)
模型输出的是三个种类相应的概率,概率最大的为最终类型
h = 0.005
# 求得样本每个维度【属性】的极值来定制图轴的取值范围
x1_min,x1_max = X[:,0].min()-1,X[:,0].max()+1
x2_min,x2_max = X[:,1].min()-1,X[:,1].max()+1
# np.meshgrid() 获得所有点[ret