python如何利用nc画边界_Python机器学习笔记(二)------决策边界可视化

以下函数选自Sebastian Raschka的Python机器学习第二版，因为看到这的时候，发现有好多陌生的函数(本人没学过matplotlib和numpy)，所以打算写一篇文章将我遇到的问题记录下来。

from matplotlib.colors import ListedColormap

import matplotlib.pyplot as plt

import numpy as np

def plot_decision_regions(X,y,classifier, test_idx=None, resolution=0.02):

'''

这个函数需要传入的参数：X：一个n*m矩阵，y：一个n维列向量，classifier：一个学习器对象

test_idx：测试集元素的编号，resolution：用于设置meshgrid网格的大小

'''

#设置标记符号和色域图

markers = ('s','x','o','^','v')

colors = ('red','blue','lightgreen','gray','cyan')

cmap = ListedColormap(colors[:len(np.unique(y))]) # y中有几个不同的元素，这个colormap就有几个颜色

这里用到了一个unique函数，作用是去除y中重复的元素，举个例子：

y = [1,2,2,3,4,4,4]

np.unique(y) = [1,2,3,4]

x1_min,x1_max = X[:,0].min()-1,X[:,0].max()+1# 设置x1范围

x2_min,x2_max = X[:,1].min()-1,X[:,1].max()+1# 设置x2范围

# 画出网格，同时将网格所有结点的x1坐标返回给xx1，x2坐标返回给xx2

xx1,xx2 = np.meshgrid(np.arange(x1_min,x1_max,resolution),np.arange(x2_min,x2_max,resolution))

# 注：这里得到的xx1和xx2是两个矩阵

上面meshgrid的作用就是生成一个二维网格，这是绘制一个二维图像的基础，resolution设置了整个网格中每个小网格的宽度，resolution越小，图像越精细。

这里，向meshgrid()中传入了两个数组，分别表示网格的横坐标和纵坐标刻度

# 画出决策边界并上色

# 这里是对每个网格结点进行预测，将不同预测结果设置成不同颜色，就可以间接显示出决策边界了

Z = classifier.predict(np.array([xx1.ravel(),xx2.ravel()]).T) # ravel():将矩阵抻直成行向量

Z = Z.reshape(xx1.shape)

plt.figure(figsize=(20,12)) # 设置图片比例尺寸

plt.contourf(xx1,xx2,Z,alpha=0.3,cmap=cmap)

plt.xlim(xx1.min(),xx1.max())

plt.ylim(xx2.min(),xx2.max())

ravel()：将矩阵拉直成行向量

contourf()：这里是以Z为高，在二维平面上画出等高线并填充上颜色

xlim(),ylim()：用于设置坐标轴的最小和最大刻度

# 画出样本点

for idx,cl in enumerate(np.unique(y)):#将y的所有可能取值对应到0，1，2，3...

plt.scatter(x=X[y==cl,0],y=X[y==cl,1],alpha=0.8,c=colors[idx],marker=markers[idx],

label=cl,edgecolor='black')

#高亮测试集的点

if test_idx:

X_test, y_test = X[test_idx, :], y[test_idx]

plt.scatter(X_test[:, 0], X_test[:, 1], c='', edgecolor='black', alpha=1.0,

linewidths=1, marker='o', s=100, label='test set')

enumerate()：给y中的每个值设置一个索引(从0开始)

假如y=[-1, 0, 1]，那么y中的-1的索引就是0，0的索引是1，1的索引是2，这个函数最后会返回一个enumerate对象，可以用for循环遍历