admin 管理员组

文章数量: 1184232

plot

#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

本文标签： plot

版权声明：本文标题：plot 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1686503267a3071.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。