資料結構
網路
RDBMS
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物
數學
英語
經濟學
心理學
社會學
時尚學
法學用 Matplotlib 繪製 k-NN 決策邊界
要在 matplotlib 中繪製 k-NN 決策邊界，我們可以採取以下步驟。
步驟
設定圖形大小並調整子圖之間和周圍的邊距。
為鄰居數初始化變數 n_neighbors。
載入並返回 iris 資料集（分類）。
建立 x 和 y 資料點。
製作深色和淺色清單。
實施 k 近鄰投票的分類器。
建立 xmin, xmax, ymin 和 ymax 資料點。
建立一個新圖形或啟用一個現有圖形。
建立一個輪廓圖。
建立一個具有 X 資料集的散點圖。
設定 x 和 y 軸標籤、標題和軸的刻度。
要顯示圖形，請使用 Show() 方法。
示例
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.colors import ListedColormap
from sklearn import neighbors, datasets
plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True
n_neighbors = 15
iris = datasets.load_iris()
X = iris.data[:, :2]
y = iris.target
h = .02
cmap_light = ListedColormap(['orange', 'cyan', 'cornflowerblue'])
cmap_bold = ['darkorange', 'c', 'darkblue']
clf = neighbors.KNeighborsClassifier(n_neighbors, weights='uniform')
clf.fit(X, y)
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
np.arange(y_min, y_max, h))
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
plt.figure()
plt.contourf(xx, yy, Z, cmap=cmap_light)
sns.scatterplot(x=X[:, 0], y=X[:, 1], hue=iris.target_names[y],
palette=cmap_bold, alpha=1.0, edgecolor="black")
plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())
plt.title("3-Class classification (k = %i, 'uniform' = '%s')"
% (n_neighbors, 'uniform'))
plt.xlabel(iris.feature_names[0])
plt.ylabel(iris.feature_names[1])
plt.Show()輸出
它將產生以下輸出 −
更新時間： 2021-10-08
6K+ 瀏覽量
廣告