Computer >> 컴퓨터 >  >> 프로그램 작성 >> Python

Matplotlib의 그래프 k-NN 결정 경계

<시간/>

matplotlib에서 그래프 k-NN 결정 경계를 만들기 위해 다음 단계를 수행할 수 있습니다.

단계

  • Figure 크기를 설정하고 서브플롯 사이와 주변의 패딩을 조정합니다.

  • n_neighbors 변수 초기화 이웃 수에 대해.

  • 홍채 로드 및 반환 데이터세트(분류).

  • x 만들기 및 y 데이터 포인트.

  • 어둡고 밝은 색상의 목록을 만드십시오.

  • k-최근접 이웃 투표를 구현하는 분류기.

  • xmin, xmax, ymin 생성 및 ymax 데이터 포인트.

  • 새 그림을 만들거나 기존 그림을 활성화하세요.

  • 등고선 플롯을 만듭니다.

  • X 데이터셋으로 산점도를 생성합니다.

  • x 설정 및 y 축 레이블, 축의 제목 및 축척.

  • 그림을 표시하려면 Show()를 사용하세요. 방법.

예시

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.colors import ListedColormap
from sklearn import neighbors, datasets

plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True

n_neighbors = 15
iris = datasets.load_iris()
X = iris.data[:, :2]
y = iris.target
h = .02

cmap_light = ListedColormap(['orange', 'cyan', 'cornflowerblue'])
cmap_bold = ['darkorange', 'c', 'darkblue']


clf = neighbors.KNeighborsClassifier(n_neighbors, weights='uniform')
clf.fit(X, y)

x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
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.figure()

plt.contourf(xx, yy, Z, cmap=cmap_light)

sns.scatterplot(x=X[:, 0], y=X[:, 1], hue=iris.target_names[y],
palette=cmap_bold, alpha=1.0, edgecolor="black")

plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())

plt.title("3-Class classification (k = %i, 'uniform' = '%s')"
% (n_neighbors, 'uniform'))

plt.xlabel(iris.feature_names[0])
plt.ylabel(iris.feature_names[1])

plt.Show()

출력

다음 출력을 생성합니다 -

Matplotlib의 그래프 k-NN 결정 경계