将 SVM 与 sklearn 库一起使用,我想用每个代表其颜色的标签绘制数据。我不想给点上色,而是用颜色填充区域。
我现在有了 :
d_pred, d_train_std, d_test_std, l_train, l_test
d_pred 是预测的标签。我会用形状为 d_train_std 的 d_pred 绘制:(70000,2) 其中 X 轴是第一列,Y 轴是第二列。
谢谢你。
原文由 anthonya 发布,翻译遵循 CC BY-SA 4.0 许可协议
将 SVM 与 sklearn 库一起使用,我想用每个代表其颜色的标签绘制数据。我不想给点上色,而是用颜色填充区域。
我现在有了 :
d_pred, d_train_std, d_test_std, l_train, l_test
d_pred 是预测的标签。我会用形状为 d_train_std 的 d_pred 绘制:(70000,2) 其中 X 轴是第一列,Y 轴是第二列。
谢谢你。
原文由 anthonya 发布,翻译遵循 CC BY-SA 4.0 许可协议
这是我的代码,它执行@Christian Tuchez 描述的内容:
outputs = my_clf.predict(1_test)
hits = []
for i in range(outputs.size):
if outputs[i] == 1:
hits.append(i) # save the index where it's 1
这将保存函数中命中的所有点的索引(保存在“命中”列表中)。您可能无需循环即可完成此操作,我发现这对我来说最简单。
然后只显示这些点,你会写这样的东西:
ax.scatter(1_test[hits[:], 0], 1_test[hits[:], 1], 1_test[hits[:], 2], c="cyan", s=2, edgecolor=None)
原文由 Yagoobean 发布,翻译遵循 CC BY-SA 4.0 许可协议
2 回答5.2k 阅读✓ 已解决
2 回答1.1k 阅读✓ 已解决
4 回答1.4k 阅读✓ 已解决
3 回答1.3k 阅读✓ 已解决
3 回答1.3k 阅读✓ 已解决
2 回答884 阅读✓ 已解决
1 回答1.8k 阅读✓ 已解决
您无法将许多特征的决策面可视化。这是因为维度太多了,没有办法可视化一个 N 维的表面。
但是,您可以使用 2 个特征并绘制漂亮的决策面,如下所示。
我还在此处写了一篇关于此的文章: https ://towardsdatascience.com/support-vector-machines-svm-clearly-explained-a-python-tutorial-for-classification-problems-29c539f3ad8?source=friends_link&sk=80f72ab272550d76a0cc3730d7c8af35
案例 1:2 个特征的 2D 图并使用 iris 数据集
案例 2:3 个特征的 3D 图并使用 iris 数据集