ML之LoR:基于LoR算法实现对非线性数据集点进行绘制决策边界

目录

基于LoR算法实现对非线性数据集点进行绘制决策边界

1、查看数据集

2、设计代码

3、输出结果


基于LoR算法实现对非线性数据集点进行绘制决策边界

1、查看数据集

import numpy as np
from sklearn.datasets import make_moons  #make_moons数据集可以生成一些非线性数据点
import matplotlib.pyplot as plt# 手动生成一个随机的平面点分布,并画出来
np.random.seed(0)
X, y = make_moons(200, noise=0.20)
plt.scatter(X[:,0], X[:,1], s=40, c=y, cmap=plt.cm.Spectral)
plt.title('make_moons generating nonlinear data points')
plt.show()

2、设计代码

from sklearn.linear_model import LogisticRegressionCV#查看LoR算法的分类效果
#因为线性切分,决策边界是直线,这条直线只能尽量让某一类点落在某一侧,但是永远做不到真的完全切分
clf = LogisticRegressionCV()
clf.fit(X, y)#绘制一下决策边界
plot_decision_boundary(lambda x: clf.predict(x))
plt.title("Logistic Regression")
plt.show()

3、输出结果

ML之LoR:基于LoR算法实现对非线性数据集点进行绘制决策边界相关推荐

  1. DL之DNN:基于神经网络(从1层~50层)DNN算法实现对非线性数据集点进行绘制决策边界

    DL之DNN:基于神经网络(从1层~50层)DNN算法实现对非线性数据集点进行绘制决策边界 目录 输出结果 设计代码 输出结果 设计代码 首先查看数据集 import numpy as np from ...

  2. ML之mlxtend:基于iris鸢尾花数据集利用逻辑回归LoR/随机森林RF/支持向量机SVM/集成学习算法结合mlxtend库实现模型可解释性(决策边界可视化)

    ML之mlxtend:基于iris鸢尾花数据集利用逻辑回归LoR/随机森林RF/支持向量机SVM/集成学习算法结合mlxtend库实现模型可解释性(决策边界可视化) 目录 相关文章 ML之mlxten ...

  3. ML之DT:基于DT算法对泰坦尼克号乘客数据集进行二分类(是否获救)预测

    ML之DT:基于DT算法对泰坦尼克号乘客数据集进行二分类(是否获救)预测 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 X_train, X_test, y_train, y_te ...

  4. ML之SVM:SVM算法的简介、应用、经典案例之详细攻略

    ML之SVM:SVM算法的简介.应用.经典案例之详细攻略 目录 SVM算法的简介 1.SVM模型分类-线性可分.线性.非线性 2.SVM的决策边界 3.SVM中的核函数 4.SVM算法推导 1.1.S ...

  5. ML:基于自定义数据集利用Logistic、梯度下降算法GD、LoR逻辑回归、Perceptron感知器、SVM支持向量机、LDA线性判别分析算法进行二分类预测(决策边界可视化)

    ML:基于自定义数据集利用Logistic.梯度下降算法GD.LoR逻辑回归.Perceptron感知器.支持向量机(SVM_Linear.SVM_Rbf).LDA线性判别分析算法进行二分类预测(决策 ...

  6. ML之NB、LoR:基于NB和LoR算法对Kaggle IMDB影评数据集(国外类似豆瓣电影)情感分析进行分类

    ML之NB.LoR:基于NB和LoR算法对Kaggle IMDB影评数据集(国外类似豆瓣电影)情感分析进行分类 注:LoR code waiting 目录 输出结果 核心代码 输出结果 数据集:Dat ...

  7. ML之FE:数据处理—特征工程之高维组合特征的处理案例(矩阵分解)——基于LoR算法的广告点击预估问题

    ML之FE:数据处理-特征工程之高维组合特征的处理案例(矩阵分解)--基于LoR算法的广告点击预估问题 目录 特征工程之高维组合特征的处理思路 1.原始数据:语⾔言和类型两种离散特征 2.为了提高拟合 ...

  8. ML之LoR:基于LoR(逻辑回归)算法对乳腺癌肿瘤(9+1)进行二分类预测(良/恶性)

    ML之LoR:基于LoR(逻辑回归)算法对乳腺癌肿瘤(9+1)进行二分类预测(良/恶性) 目录 输出结果 设计思路 数据集 核心代码 输出结果 Testing accuracy (10 trainin ...

  9. ML之LoR:基于信用卡数据集利用LoR逻辑回归算法实现如何开发通用信用风险评分卡模型之以toad框架全流程讲解

    ML之LoR:基于信用卡数据集利用LoR逻辑回归算法实现如何开发通用信用风险评分卡模型之以toad框架全流程讲解 目录 基于信用卡数据集利用LoR逻辑回归算法实现如何开发通用信用风险评分卡模型之以to ...

最新文章

  1. #23 Counter Cache Column
  2. 常用数据库的Jdbc连接代码
  3. 策划文档html,html代码整理.doc
  4. 恢复Win10照片查看器
  5. 在window10 WSL 中编译 OpenJDK13
  6. .NET Core实战项目之CMS 第十一章 开发篇-数据库生成及实体代码生成器开发
  7. bash: jps: command not found
  8. cstringw转lpctstr_CString 和 LPCTSTR 之间的转换 及 LPSTR、LPWSTR、LPCSTR、LPCWSTR、LPTSTR、LPCTSTR的区分与转化...
  9. [RK3399][Android7.1] Jack server编译出错
  10. 数值分析第八章知识点总结——常微分方程数值解法
  11. autocad型源代码_AutoCAD文件格式详解
  12. 程序员接单网站哪个好(盘点十大程序员接私活平台)
  13. 数码数字字体_拍中画幅胶片能不能用数码相机测光?
  14. 一般学校计算机密码是什么,学校电脑密码忘了怎么解?
  15. LED显示行业之闪烁现象
  16. OpenGL之纹理过滤的四种方式
  17. Dremel学习总结1
  18. HTML5期末大作业:电影网站设计——指环王:护戒使者(13页) HTML+CSS+JavaScript
  19. 3D网游中人物的碰撞后反应控制
  20. 16进制转10进制 nodejs_Js字符串与十六进制的相互转换 【转】

热门文章

  1. Kendo UI使用教程:入门指南
  2. 《逃不开的经济周期》书中的精髓:经济周期是推动创新变革和经济增长以及复兴的关键力量。
  3. 解决Ubuntu没有有效的IP地址
  4. Kotlin - 类与构造器
  5. Linux安装系统选择 日报 18/06/23
  6. error 554, b‘DTSPM 163 smtp12最佳解决办法
  7. 部分窗帘甲醛残留多会损害健康
  8. 中国IT界七大奇迹人物
  9. 盲目出炉的支付场景 到底有多少是鸡肋?
  10. 点击Sdk目录下tools目录下的monitor.bat 出现Unexpected error while parsing input: lnvalid ui automator hierarchy