绘制分类程序的边界图可分为 3 步:
- 使用 np.meshgrid()函数生成网格点。所谓网格点,就是平均分布在二维平面上间
隔相同的很多点,用它们代表任意的待分类点- 用 knn.predict()函数预测所有网格点的类别标签
- 使用 plt.pcolormesh()函数绘制每个网格点类别对应的颜色块,这样,只要网格点
足够多、足够密,就会产生很多小颜色块,不同类别网格点的颜色块是不同的,
聚集在一起就形成分类界面图像
注意:
knn.predict()的返回值是一维数组,保存了所有采样点的类别值,而 pcolormesh()要求
类别值必须是二维数组,因此必须用 reshape()函数将 y_show_hat 转换成二维数组。
其中,pcolormesh()函数一般有 4 个参数,参数 x1 和 x2 表示所有采样点的横坐标和
纵坐标的集合,y_show_hat 表示所有采样点的类别,其必须是一个二维数组,cmap
表示该类别对应的颜色。
# 导入必要的库
import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt
# 设置字符
plt.rcParams['axes.unicode_minus']=False #正常显示-号
n = 3
x = np.linspace(-10,10,5)
y = np.linspace(-10,10,n) #构造网格点
X,Y = np.meshgrid(x,y)
plt.scatter(X,Y,s=60,c='r',marker='x') #用散点图绘制网格点
Z = np.array([[1,2,3,4],[2,1,4,3]]) #设置类别号
print(Z.shape)
cm_light = mpl.colors.ListedColormap(['y', 'r', 'g', 'b'])
plt.pcolormesh(X,Y, Z, cmap=cm_light, alpha=0.5)
plt.show()
(2, 4)