线性SVM决策过程可视化

绘制思路：

1. 获取数据集的横纵坐标最大值及最小值（xlim，ylim）
2. 将横纵坐标轴平均分为n份（axisx，axisy）
3. 通过meshgrid函数进行广播，生成网格点（xy）
4. 通过SVC.decision_function方法计算网格内每个点到决策边界的距离
5. 通过contour函数绘制决策边界及虚线超平面

1.导入我们需要的模块

from sklearn.datasets import make_blobs
from sklearn.svm import SVC
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

2.创建数据集，查看分布情况

#创建数据集并可视化
X,y = make_blobs(n_samples = 50,centers=2,random_state=0,cluster_std=0.6)
plt.scatter(X[:,0],X[:,1],c = y,cmap = 'gist_rainbow')
plt.xticks([])
plt.yticks([])
#隐藏x，y坐标轴

3.理解contour函数

$matplotlib.axes.$