绘制分类边界图

绘制分类程序的边界图可分为 3 步：

1. 使用 np.meshgrid()函数生成网格点。所谓网格点，就是平均分布在二维平面上间
   隔相同的很多点，用它们代表任意的待分类点
2. 用 knn.predict()函数预测所有网格点的类别标签
3. 使用 plt.pcolormesh()函数绘制每个网格点类别对应的颜色块，这样，只要网格点
   足够多、足够密，就会产生很多小颜色块，不同类别网格点的颜色块是不同的，
   聚集在一起就形成分类界面图像

注意：
knn.predict()的返回值是一维数组，保存了所有采样点的类别值，而 pcolormesh()要求
类别值必须是二维数组，因此必须用 reshape()函数将 y_show_hat 转换成二维数组。
其中，pcolormesh()函数一般有 4 个参数，参数 x1 和 x2 表示所有采样点的横坐标和
纵坐标的集合，y_show_hat 表示所有采样点的类别，其必须是一个二维数组，cmap
表示该类别对应的颜色。

# 导入必要的库
import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt

# 设置字符
plt.rcParams['axes.unicode_minus']=False  #正常显示-号

n = 3
x = np.linspace(-10,10,5)
y = np.linspace(-10,10,n) #构造网格点
X,Y = np.meshgrid(x,y)
plt.scatter(X,Y,s=60,c='r',marker='x') #用散点图绘制网格点
Z = np.array([[1,2,3,4],[2,1,4,3]]) #设置类别号
print(Z.shape)
cm_light = mpl.colors.ListedColormap(['y', 'r', 'g', 'b'])
plt.pcolormesh(X,Y, Z, cmap=cm_light, alpha=0.5)
plt.show()

(2, 4)