我是使用python进行机器学习的新手。我设法使用matplotlib绘制了逻辑回归的直线决策边界。但是,在绘制曲线时,我很难理解使用某些样本数据集过度拟合的情况。使用matplotlib在Python中绘制曲线决策边界
我想建立一个逻辑回归模型使用正则化和使用正则化来控制过度拟合我的数据集。
我知道sklearn库的,但是我宁愿写代码分开
我工作的测试数据样本下面给出:
x=np.matrix('2,300;4,600;7,300;5,500;5,400;6,400;3,400;4,500;1,200;3,400;7,700;3,550;2.5,650')
y=np.matrix('0;1;1;1;0;1;0;0;0;0;1;1;0')
我期待的决策边界中给出如下图:
任何帮助,将不胜感激。
# plot of x 2D
plt.figure()
pos=np.where(y==1)
neg=np.where(y==0)
plt.plot(X[pos[0],0], X[pos[0],1], 'ro')
plt.plot(X[neg[0],0], X[neg[0],1], 'bo')
plt.xlim([min(X[:,0]),max(X[:,0])])
plt.ylim([min(X[:,1]),max(X[:,1])])
plt.show()
# plot of the decision boundary
plt.figure()
pos=np.where(y=