python 绘出分类效果的图步骤，,先亮结果图：（忽略中

python 绘出分类效果的图步骤，,先亮结果图：（忽略中

先亮结果图：（忽略中文显示功能，请查看以前文章进行修改）

cm_light = mpl.colors.ListedColormap([‘g‘, ‘r‘, ‘b‘])

目的：

生成分类器模型的界面图（展示模型的分类界面）

记住：平面也是由许多点组成的网格点组成的

（1）选出两个维度，x1,x2；选择出其最大最小值（适当的扩大样本已有的数据的范围，使用了extend（自定义的函数））

　　def extend(a, b):
　　　　return 1.05*a-0.05*b, 1.05*b-0.05*a

　　x1_min, x1_max = extend(x[:, 0].min(), x[:, 0].max()) # x1的范围
　　x2_min, x2_max = extend(x[:, 1].min(), x[:, 1].max()) # x2的范围

(2)形成网格区域（用于画图）　

　　N=500；M=500

　　t1 = np.linspace(x1_min, x1_max, N)　　t2 = np.linspace(x2_min, x2_max, M)

　　x1, x2 = np.meshgrid(t1, t2)

(3)形成预测值

　　x_show = np.stack((x1.flat, x2.flat), axis=1)

　　y_hat = model.predict(x_show) # 预测

　　y_hat = y_hat.reshape(x1.shape) # 使之与输入的形状相同

(4)绘制分类器的分类界面
　　plt.figure(facecolor=‘w‘)
　　plt.pcolormesh(x1, x2, y_hat, cmap=cm_light) # 预测值的显示

(5)展示分类器的分类效果（将样本点加入）

　　plt.scatter(x[:, 0], x[:, 1], s=30, c=y, edgecolors=‘k‘, cmap=cm_light) # 样本的显示

总结：

先画分类器的分类界面，借助np.meshgrid()形成网格数据，然后借助plt.pcolormesh()进行画图

再讲样本数据散点图加上

疑惑，plt.pcolormesh()输入参数的类型要求疑惑

由于未二维的平面，所以只选择两个特征便可以

python 绘出分类效果的图步骤