本文将会直接给出代码,主要目的在于对代码进行解释,熟悉使用python的Numpy和matplotlib库绘制决策边界曲线,代码来自于https://blog.csdn.net/dengjiaxing0321/article/details/70545740。
代码如下
import numpy as np
from sklearn.datasets import make_moons
import matplotlib.pyplot as plt
np.random.seed(0)
X, y = make_moons(200, noise=0.20)
plt.scatter(X[:,0], X[:,1], s=40, c=y, cmap=plt.cm.Spectral)
plt.show()
- 输入数据集X具有两个特征,y是类别输出标签(0|1),plt.scatter方法将X中第一列(第一个特征)和第二列(特征2)作为横纵坐标进行散点图绘制;
- s=40,表示散点的大小为40,可以输入与样本数量相同的列表,表示不同点的不同大小;
- c=y,c表示颜色,可以使用c='b’这样的命令将所有散点表示为同一颜色,也可以是一个与样本数量相同的序列,因为y中的取值有两个(0或1),散点根据y的索引表示为两种不同的颜色用以区分不用类别;
- cmap表示Colormap实体或者是一个colormap的名字,cmap =
plt.cm.Spectral实现的功能是给label为1的点一种颜色,给label为0的点另一种颜色。