SVC分类的对分类决策边界

Posted vivianzy1985

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了SVC分类的对分类决策边界相关的知识,希望对你有一定的参考价值。

import mglearn
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt
import numpy as np
from sklearn.svm import LinearSVC


X,Y=make_blobs(random_state=42)
linear_svm=LinearSVC().fit(X,Y)

mglearn.discrete_scatter(X[:,0],X[:,1],Y)
coef=linear_svm.coef_ #shape(3个类别,2个特征)
intercept=linear_svm.intercept_ #shape(3个类别)
color1=[b,r,g]
for c,i,co in zip(coef,intercept,color1):
    plt.plot(line,-(line*c[0]+i)/c[1],c=co) #就是决策边界 C[0]就是第一个类别的第一个特征
plt.ylim(-10,15)
plt.xlim(-10,8)
plt.xlabel(feature 0)
plt.ylabel(feature 1)

技术分享图片

 技术分享图片

 



以上是关于SVC分类的对分类决策边界的主要内容,如果未能解决你的问题,请参考以下文章

机器学习sklearn----支持向量机分类器SVC求解过程可视化

机器学习sklearn----支持向量机分类器SVC求解过程可视化

机器学习sklearn----支持向量机分类器SVC求解过程可视化

绘制文本分类的决策边界

支持向量分类器的决策边界图(与分离超平面的距离)

使用 knn 分类器进行边界决策