棒棒的二维数据可视化分类模型

源码

源码来自Python Machine Learning 3rd，Chapter 3，自己加入了一些理解和修改

优势

• 适用于大多数分类算法模型，对不同参数的统一模型都能够绘制出不同的决策边界
• 高亮测试集样本
• 默认支持5种分类情况，可拓展

局限

• 只能够适用于二维特征向量的数据可视化
• 只适用于监督学习分类问题，包括线性回归，逻辑回归，SVM，KNN，决策树，随机森林等等

代码

from matplotlib.colors import ListedColormap
import matplotlib.pyplot as plt
%matplotlib inline
def plot_decision_regions(X, y, classifier, test_idx=None, resolution=0.02):
    # setup marker generator and color map
    markers = ('s', 'x', 'o', '^', 'v')
    colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan')
    cmap = ListedColormap(colors[:len(np.unique(y))]) # colors that need in classfication
    
    ## plot the decision surface
    # get the range of axes
    x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    
    # create meshgrid coordinates for plotting contour
    xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution),
                          np.arange(x2_min, x2_max