我按照一本书上的一些SVC代码,使用moon_dataset。
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)
我有没有试过绘制任何这些 图形 用下面的代码,但到目前为止什么都没有。
plt.scatter(X, y)
谢谢
你需要 更多 而不是仅仅用散点图来绘制决策区域。一个非常有用的模块是 MLxtend这使得绘制拟合模型的决策区域变得非常容易,并带有 plot_decision_regions
. 下面是你如何用你的例子来完成它。
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)