matplotlib 图例的单独 svm 类

Posted 2023-03-12

【中文标题】matplotlib 图例的单独 svm 类

【英文标题】：Separate svm classes for matplotlib legend

【发布时间】：2016-11-27 10:02:55

【问题描述】：

我正在尝试学习 sklearn，为此，我正在尝试使用线性 SVM 进行简单练习。 SVC 尝试根据房屋的价值及其面积来预测房屋中的卧室数量。 我设法得到了一些看起来不错的东西，但是我从 matplotlib 的文档中获取的模板使用了颜色图和我不知道到底什么对应什么。

我如何添加一个图例来指定每个散点的颜色对应什么，以及 SVM 的部分也对应什么？

另外，为了进行同样的工作，我必须 preprocess.scale 我的特征，并且刻度现在具有预处理值；（我怎样才能以某种方式取消缩放或检索原始值以用于毕业。

剧情如下：

http://i.imgur.com/ERFuEmJ.png（我没有足够的声望直接发帖）

这是我的代码：

style.use('ggplot')

dataset = pd.read_csv('/Path/Paros.csv')
dataset = dataset[dataset['size']<3000]
X = np.array(dataset[['size', 'value']])
y = np.array(dataset[['bedrooms']])
X = preprocessing.scale(X)

h = 0.01  # step size in the mesh
C = 0.01  # SVM regularization parameter
clf = svm.SVC(kernel='linear', C=C).fit(X, y[:,0])

# create a mesh to plot in
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
print "mesh"
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                     np.arange(y_min, y_max, h))


Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])

Z = Z.reshape(xx.shape)
plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8)
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Paired)
plt.xlabel('Size')
plt.ylabel('Price')
plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())


plt.show()

【问题讨论】：

(1) 尝试 plt.colorbar() 如果它不是你想要的，绘制输出。 (2) 使用StandardScaler 的面向对象用法进行缩放（与您的函数式方法相反）。该对象支持inverse_transform。

Thec colobar 效果很好！但我不知道如何处理 StandardScaler inverse_transform.. 我用 StandardScaler 替换了我的 preprocessing.scale(X)，但我不知道在哪里反转数据以使其工作？

我很确定用户指南中有很好的文档！

文档中的反面实际上没有任何内容:(

this 有什么不清楚的地方？ scaler.transform(x) = z。 scaler.inverse_transform(z) = x（transform和inverse_transform调用的数据可能不同，只需feature-size相同）

【参考方案1】：

plt.colorbar() 做了我想要的。