在做吴恩达老师的深度学习课程作业时，发现决策边界函数不好理解plot_decision_boundary(model , X , y)。将此函数理解记录下：
作业地址：https://blog.csdn.net/u013733326/article/details/79702148
绘制梯度下降算法图形或是决策边界，核心便在于知道plt.contourf函数的用法

plt.contourf函数

这里参考https://blog.csdn.net/qq_44669578/article/details/103348076?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-8.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-8.nonecase

plt.contourf用来画出不同分类的边界线，也常常用来绘制等高线
1.生成数据点

x = np.arange(-5, 5, 1)
y = np.arange(0, 20, 2)
xx, yy = np.meshgrid(x, y)

2.对不同类的数据进行标记，即生成Z

z = np.square(xx) - yy > 0

3.生成边界图

plt.contourf(xx, yy, z, cmap=plt.cm.Spectral)
plt.scatter(xx, yy, c=z)
plt.show()

如果点设置得更密集一点，分界处会更光滑，可以看到完整的抛物线

完整代码

x = np.arange(-5, 5, 0.1)
y = np.arange(0, 20, 0.2)
xx, yy = np.meshgrid(x, y)z = np.square(xx) - yy > 0
#plt.cm.Spectral,在这的意思就是颜色会随Z的值变化
plt.contourf(xx, yy, z, cmap=plt.cm.Spectral)
plt.scatter(xx, yy, c=z)
plt.show()

2.plot_decision_boundary()函数理解

先附上完整代码

def plot_decision_boundary(model, X, y):x_min, x_max = X[0, :].min() - 1, X[0, :].max() + 1y_min, y_max = X[1, :].min() - 1, X[1, :].max() + 1h = 0.01xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))Z = model(np.c_[xx.ravel(), yy.ravel()]) Z = Z.reshape(xx.shape)plt.contourf(xx, yy, Z, cmap=plt.cm.Spectral)plt.ylabel('x2')plt.xlabel('x1')plt.scatter(X[0, :], X[1, :], c=np.squeeze(y), cmap=plt.cm.Spectral)

效果图

调用训练好的模型

绘制此决策边界的思路是：首先已经通过了神经网络拟合出了输入特征和标签的函数关系，然后生成间距很小的网格覆盖这些点（函数中用h表示网格点之间的距离），将网格的坐标送入训练好的神经网络，神经网络会为每个网格坐标输出一个预测值，注意，这个网格点非常多，占满了整张图，图中的红色和蓝色其实就是经过预测后的网格点所填充的颜色，以预测值0.5进行划分，预测值为0.5的这条线也即为红点和蓝点的区分线。

首先按照样本大小，以0.01的间距生成网格

 x_min, x_max = X[0, :].min() - 1, X[0, :].max() + 1y_min, y_max = X[1, :].min() - 1, X[1, :].max() + 1h = 0.01
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))

然后用训练好的模型对网格上的所有的点进行预测，返回一个只含0/1的矩阵
然后改变矩阵Z的形状，因为在contourf函数中，当 X,Y,Z 都是 2 维数组时，它们的形状必须相同。

Z = model(np.c_[xx.ravel(), yy.ravel()])  #ravel()函数将多维降至一维，默认行优先
Z = Z.reshape(xx.shape)

然后画图，plt.cm.Spectral,在这的意思就是颜色会随Z的值变化

plt.contourf(xx, yy, Z, cmap=plt.cm.Spectral)
plt.ylabel('x2')
plt.xlabel('x1')
plt.scatter(X[0, :], X[1, :], c=np.squeeze(y), cmap=plt.cm.Spectral)

决策边界绘制函数plot_decision_boundary()和plt.contourf函数详解相关推荐

决策边界绘制和plt.contourf函数讲解
先讲解plt.contourf函数,然后用plt.contourf绘制决策边界 contourf contourf(*args, data=None, **kwargs) Plot contours. ...
【机器学习】逻辑回归案例二：鸢尾花数据分类，决策边界绘制逐步代码讲解
逻辑回归案例二:鸢尾花数据分类,决策边界绘制逐步代码讲解 1 数据加载 2 数据EDA 3 模型创建及应用 3.1 数据切分 3.2 创建模型与分类 3.3 决策边界绘制 3.3.1 二分类决策边界绘 ...
Matplot pyplot绘制单图，多子图不同样式详解，这一篇就够了
Matplot pyplot绘制单图,多子图不同样式详解,这一篇就够了 1. 单图单线 2. 单图多线不同样式(红色圆圈.蓝色实线.绿色三角等) 3. 使用关键字字符串绘图(data 可指定依赖值为: ...
python箱线图_Python 箱线图 plt.boxplot() 参数详解
Python 绘制箱线图主要用 matplotlib 库里 pyplot 模块里的 boxplot() 函数. plt.boxplot() 参数详解 plt.boxplot(x, # 指定要绘制箱线图 ...
python画三维平面-Python 绘制酷炫的三维图步骤详解
通常我们用 Python 绘制的都是二维平面图,但有时也需要绘制三维场景图,比如像下面这样的: 这些图怎么做出来呢?今天就来分享下如何一步步绘制出三维矢量(SVG)图. 八面体我们先以下面这个八面体 ...
python画3d图-Python 绘制酷炫的三维图步骤详解
通常我们用 Python 绘制的都是二维平面图,但有时也需要绘制三维场景图,比如像下面这样的: 这些图怎么做出来呢?今天就来分享下如何一步步绘制出三维矢量(SVG)图. 八面体我们先以下面这个八面体 ...
【python教程入门学习】Python函数定义及传参方式详解(4种)
这篇文章主要介绍了Python函数定义及传参方式详解(4种),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧一.函数初识 1.定 ...
定时器槽函数没执行_Web服务器项目详解 07 定时器处理非活动连接（上）
点击"两猿社" 关注我们 Web服务器详解目录 00 项目概述 01 线程同步机制包装类 02 半同步/半反应堆线程池(上) 03 半同步/半反应堆线程池(下) 04 http连接 ...
php 查找键名,array_key_exists()函数搜索数组键名步骤详解
这次给大家带来array_key_exists()函数搜索数组键名步骤详解,array_key_exists()函数搜索数组键名的注意事项有哪些,下面就是实战案例,一起来看一下. array_key_ ...

决策边界绘制函数plot_decision_boundary()和plt.contourf函数详解

plt.contourf函数

2.plot_decision_boundary()函数理解

决策边界绘制函数plot_decision_boundary()和plt.contourf函数详解相关推荐

最新文章

热门文章