绘制线性支持向量机

Question

我试着遵循这里的例子，但当我有16个功能时，我有麻烦应用它。lin_svc使用这16个特征进行训练(我删除了这一行，以便从示例中重新训练它)。它的工作，我尝试了它，也提取了.coef_之前。

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
#features is an array of 16
#lin_svc variable is available 
#train is a pandas DF
X = train[features].as_matrix()
y = train.outcome
h = .02 # step size in the mesh
# 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
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                     np.arange(y_min, y_max, h))
# title for the plots
titles = ['SVC with linear kernel']

for i, clf in enumerate([lin_svc]):
    # Plot the decision boundary. For that, we will assign a color to each
    # point in the mesh [x_min, m_max]x[y_min, y_max].
    plt.subplot(2, 2, i + 1)
    plt.subplots_adjust(wspace=0.4, hspace=0.4)
    Z = clf.predict(X)
    # Put the result into a color plot
    Z = Z.reshape(xx.shape)
    plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8)
    # Plot also the training points
    plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Paired)
    plt.xlabel('Sepal length')
    plt.ylabel('Sepal width')
    plt.xlim(xx.min(), xx.max())
    plt.ylim(yy.min(), yy.max())
    plt.xticks(())
    plt.yticks(())
    plt.title(titles[i])
plt.show()

得到的错误是:

ValueError                                Traceback (most recent call last)
<ipython-input-8-d52ca252fc3a> in <module>()
     24 
     25     # Put the result into a color plot
---> 26     Z = Z.reshape(xx.shape)
     27     plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8)
     28 
ValueError: total size of new array must be unchanged

Answer 1

我自己也遇到过同样的问题。由于您真正感兴趣的是将Z绘制为xx和yy的函数，因此您应该将它们传递给clf.predict()，而不是传递x。

Z = clf.predict(X)

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

和情节应该显示得很好(假设没有其他错误)。

另外，你可能想把你的问题的标题改为类似"绘制二维决策边界"的东西，因为这与svm没有特别的关系。使用任何sklearn分类器都会遇到这种问题。