我正在使用moon_dataset遵循书中的一些SVC代码。
这里是代码:
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
from sklearn.datasets import make_moons
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import PolynomialFeatures
X, y = make_moons(n_samples=100, noise=0.15)
rbf_kernel_svm_clf = Pipeline([
("scaler", StandardScaler()),
("svm_clf", SVC(kernel="rbf", gamma=5, C=0.001))
])
rbf_kernel_svm_clf.fit(X, y)
我曾尝试使用以下代码绘制这些graphs中的任何一个,但到目前为止没有任何内容。
plt.scatter(X, y)
有什么帮助吗?谢谢
plot_decision_regions
可以很容易地绘制拟合模型的决策区域。这是使用示例完成操作的方法:plot_decision_regions
from mlxtend.plotting import plot_decision_regions
plt.figure(figsize=(12,8))
plot_decision_regions(X, y, clf=rbf_kernel_svm_clf.named_steps['svm_clf'], legend=2)