基于meshgrid进行knn模型分类边界可视化

meshgrid方法

xx,yy = numpy.meshgrid(x,y)

meshgrid函数就是用两个坐标轴上的点在平面上画网格(当然这里传入的参数是两个的时候)，本质上是用x和y画出一系列坐标为(x,y)的组合的二维坐标点
(xx,yy)就是组合的坐标，是通过行扩张和列扩张来完成的

arange方法

numpy.arange(start, stop, step, dtype = None)

在给定间隔内返回均匀间隔的值在半开区间 [开始，停止)内生成（换句话说，包括开始但不包括停止的区间）,返回的是 ndarray 。

ravel和np.c_,np.r_方法

x_range = np.c_[xx.ravel(),yy.ravel()]

平铺后，此时X_range[xx,yy]就是x和y所对应的二维组合数据，ravel()方法将数组维度拉成一维数组,用于将矩阵向量化。

np.r_是按列连接两个矩阵，就是把两矩阵上下相加，要求列数相等。

np.c_是按行连接两个矩阵，就是把两矩阵左右相加，要求行数相等。

筛选只能用训练对应的标签来筛选，所以要让模型对x_range进行预测

y_range_predict = knn_10.predict(x_range)

为什么要用x_range，因为点更多，更方便描绘图像，原数据集画连线图容易因为点太离散导致图形不连贯，视觉效果不好。得到x_range之后要用模型对其预测得到对应标签。

如何改变文本的样式

fig1= plt.figure(figsize=(10,10))
knn_bad = plt