matplotlib-决策界面可视化

最新推荐文章于 2025-06-04 00:37:59 发布

可以调素琴

最新推荐文章于 2025-06-04 00:37:59 发布

阅读量776

点赞数

CC 4.0 BY-SA版权

分类专栏：深度学习机器学习 py数据处理及可视化

本文链接：https://blog.youkuaiyun.com/NewDreamstyle/article/details/94392261

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

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

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