python机器学习----模型选择2（绘制分类边界、验证曲线、学习曲线）

一、绘制分类边界

 绘制模型结果分类边界，能够从可视化的角度，查看当前的特征分类效果如何

import numpy as np
import pandas as pd
from sklearn.datasets import load_iris
import matplotlib.pyplot as plt
from sklearn.linear_model import LogisticRegression
from sklearn.naive_bayes import GaussianNB
from sklearn.model_selection import train_test_split,cross_val_score
from funct import Plt_classifier,Plt_confusion_matrix
from sklearn.metrics import f1_score,confusion_matrix,classification_report


iris_data = load_iris()
features = iris_data.data[:,0:2] #矩阵切片,只要两个变量  注意数组切片为[,:,]
labels = iris_data.target
features_train,features_test,labels_train,labels_test = train_test_split(features,
                                                                         labels , test_size = 0.3,random_state = 0)


#前面的函数有一些输入参数需要设置，但是最重要的两个参数是solver和C。参数solver
#用于设置求解系统方程的算法类型，参数C表示正则化强度，数值越大，惩罚值越高，表示正则化强度越大。
class