plot_2d_separator

绘制决策边界与近邻比较

最新推荐文章于 2023-10-11 11:37:45 发布

原创最新推荐文章于 2023-10-11 11:37:45 发布 · 5.5k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#plot_2d_separator

本文通过绘制多个近邻的决策边界，展示了不同数量的近邻对分类结果的影响。使用K近邻分类器，对二维数据集进行分类，并通过可视化展示决策边界的形态变化。

AI助手已提取文章相关产品：

#绘制决策边界，多个近邻比较（多图合并）
fig, axes = plt.subplots(1, 3, figsize=(10, 3))  #绘制多个画板
for neighbors, ax in zip([1, 3, 9], axes):
    knn = KNeighborsClassifier(n_neighbors=neighbors)
    knn.fit(X, y)
    mglearn.plots.plot_2d_separator(knn, X, fill=True, eps=0.5, ax=ax, alpha=.4) #绘制分界线
    mglearn.discrete_scatter(X[:, 0], X[:, 1], y, ax=ax)
    ax.set_title("{} neighbor(s)".format(neighbors))
    ax.set_xlabel("feature 0")
    ax.set_ylabel("feature 1")
axes[0].legend(loc=3)

plot_2d_separator

对于二维数据集，还可以在xy平面上画出所有可能的测试点的预测结果。我们根据平面中每个点所属的类别对平面进行着色。这样可以查看决策边界（decision boundary），即算法对类别0和类别1的分界线

您可能感兴趣的与本文相关内容