Sklearn機器學習：如何繪制全局二維特征-單預測結果的背景圖

2019-11-08 03:04:28

字體：大中小

來源：轉載

供稿：網友

如圖所示為python使用sklearn對iris前兩列數據進行svm分析后得到的分類結果，圖中不同顏色的點代表實際的分類結果，背景顏色代表構建的預測模型的分類結果那么如何繪制預測模型的分類結果背景呢？這里寫圖片描述

代碼及圖片示意結果如下：import numpy as npimport matplotlib.pyplot as pltn = 3xx, yy = np.meshgrid(np.arange(-12, 12, n),np.arange(-6, 6, n))#此處也可用linspace等PRint(xx)plt.matshow(xx,extent=(xx.min(), xx.max(), yy.min(), yy.max()),aspect='auto')plt.show()理解meshgrid的xx數據分布： [[-12 -9 -6 -3 0 3 6 9] [-12 -9 -6 -3 0 3 6 9] [-12 -9 -6 -3 0 3 6 9] [-12 -9 -6 -3 0 3 6 9]]

這里寫圖片描述

print(yy)plt.matshow(yy, extent=(xx.min(), xx.max(), yy.min(), yy.max()),aspect='auto')plt.show()理解meshgrid的yy數據分布： [[-6 -6 -6 -6 -6 -6 -6 -6] [-3 -3 -3 -3 -3 -3 -3 -3] [ 0 0 0 0 0 0 0 0] [ 3 3 3 3 3 3 3 3]]

這里寫圖片描述

def predict(X_F1,X_F2): # 人為構建一個預測模型，X_Fi為輸入樣本的特征 """ just like a prediction method in sklearn, which returns a value as the classification or regression result """ return X+Y # 輸出模型的預測分類結果mm = predict(xx,yy) #這里mm就是模仿sklearn中調用模型的預測分類結果print(mm)plt.matshow(mm, extent=(xx.min(), xx.max(), yy.min(), yy.max()),aspect='auto')plt.show()理解meshgrid的xx與yy聯立的數據分布： [[-18 -15 -12 -9 -6 -3 0 3] [-15 -12 -9 -6 -3 0 3 6] [-12 -9 -6 -3 0 3 6 9] [ -9 -6 -3 0 3 6 9 12]]

這里寫圖片描述

#利用extent遍歷繪圖區域中的有限點，#以這些點為中心，以mm繪制預測分類結果#繪制矩陣圖形,當n越大時，全局背景分類結果越精細plt.imshow(mm, interpolation='nearest', extent=(xx.min(), xx.max(), yy.min(), yy.max()), aspect='auto') plt.show()

理解meshgrid的預測結果數據分布的繪制：

此處的重點是預測結果與坐標點（xx,yy）有著相同的分布結果

這里寫圖片描述