pytorch 实现简单二元分类器以及可视化

这个文章是用pytorch和matplotlib实现一个二元分类器并且可视化。

思路

1. 自己生成两团数据。
2. 定义自己的神经网络类。
3. 训练网络
4. 打印出边界。

先放效果图

关于可视化

定义网络、训练网络主要没什么好说的啦其实，毕竟有pytorch这么好的框架，已经提供了如此简单的代码工作。

主要是可视化的技巧。

主要是matplotlib中有个contourf，本身是画等高线用的，就是地理中那个三维图投射到二维图的那种图。

我们可以把这个用到可视化上来(当然只是3维的，如果是更高维度就没法用这个可视化了)。

具体怎么可视化的?

首先，先自己生成200个训练数据(这步对应getData函数)，然后把属于不同类别的数据染上不同颜色；
然后，进行网络的训练(对应run函数)；
然后，用同样的数据让网络进行预测。因为二元分类器最后预测的结果要么是0，要么是1，所以可以利用matplotlib中的画等高线的函数，来近似画出决策边界。这一步主要对应showBoundary函数。

使用conturf函数

这个函数我自己在用的时候有点懵逼，使用这个要先meshgrid，mesh合并