个回答

• 慕的地591

  2018-07-13 17:26:47

  你看一下代码，照着改一下，应该就能解决。
  from matplotlib.colors import ListedColormap
  def plot_decision_regions(X, y, classifier, resolution=0.02):    
      marker = ('s', 'x', 'o', 'v')    
      colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan')    
      cmap = ListedColormap(colors[:len(np.unique(y))])    
      x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max()    
      x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max()    
      #将x1、x2最大最小值通过arange函数得到的向量，扩展成两个二维矩阵    
      xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution), np.arange(x2_min, x2_max, resolution))    
      #预测    
      Z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T) #ravel还原成单维向量    
      #绘制    
      Z= Z.reshape(xx1.shape) #将Z转换成与xx1一样的二维数组    
      plt.contourf(xx1, xx2, Z, alpha=0.4, cmap=cmap) #在两组分类结果中间画分割线-->必须线性可分    
      plt.xlim(xx1.min(), xx1.max())    
      plt.ylim(xx2.min(), xx2.max())    
      for idx, cl in enumerate(np.unique(y)):        
          plt.scatter(x=X[y==cl, 0], y=X[y==cl, 1], alpha=0.8, c=cmap(idx), marker=marker[idx], label=cl)
          
          
  ppn = Perceptron(0.1, 10)
  ppn.fit(X, y)
  plot_decision_regions(X, y, ppn, resolution=0.02)

  
  

  0

• Hi_猫宁

  2018-02-04 17:24:44

  classifier 应该是个自定义的类，貌似视频中没有给出其实现。。。

  
  

  0