matplotlib-决策界面可视化

本文介绍了如何利用matplotlib和numpy创建决策界面的可视化效果,通过展示线性模型和3层神经网络的决策界面,帮助理解模型分类效果。实现流程包括生成覆盖样本点的网格,并计算每个点的分类。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

引子:tensorflow游乐场

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

在这里插入图片描述

2,模型决策界面可视化结果
a-线性模型
线性分类器
b-3层神经网络
在这里插入图片描述
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
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值