我以为我理解lambda函数是如何工作的,尽管我自己并没有使用它们。但是this tutorial以下的lambda完全让我感到困惑:
import matplotlib.pyplot as plt
import numpy as np
import sklearn
import sklearn.datasets
import sklearn.linear_model
import matplotlib
这很容易。更多:
# Generate a dataset and plot it
np.random.seed(0)
X, y = sklearn.datasets.make_moons(200, noise=0.20)
plt.scatter(X[:,0], X[:,1], s=40, c=y, cmap=plt.cm.Spectral)
clf = sklearn.linear_model.LogisticRegressionCV()
clf.fit(X, y)
# Helper function to plot a decision boundary.
# If you don't fully understand this function don't worry, it just generates the contour plot below.
def plot_decision_boundary(pred_func):
# Set min and max values and give it some padding
x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5
y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5
h = 0.01
# Generate a grid of points with distance h between them
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))
# Predict the function value for the whole gid
Z = pred_func(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
# Plot the contour and training examples
plt.contourf(xx, yy, Z, cmap=plt.cm.Spectral)
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Spectral)
现在我不理解这一行:
plot_decision_boundary(lambda x: clf.predict(x))
我已多次读过lambdas如何工作,但我只是不知道x
如何传递正确的值。 x
如何映射到相关值?
答案 0 :(得分:7)
lambdas只是匿名函数。 lambda body只能是一个表达式(作为你可以放入函数的子集),因为它们必须与其他代码内联。
plot_decision_boundary(lambda x: clf.predict(x))
可以改写为
def call_clf_predict(x):
return clf.predict(x)
plot_decision_boundary(call_clf_predict)
在这里,它更清楚发生了什么。 plot_decision_boundary
获取可调用权限并使用单个参数np.c_[xx.ravel(), yy.ravel()]
调用它。
但首先不应该使用lambda。你可以做到
plot_decision_boundary(clf.predict)
在python教程的传统中,lambda再次被滥用。
答案 1 :(得分:4)
plot_decision_boundary(lambda x: clf.predict(x))
这一行传递一个函数,该函数将一个参数带入该方法。当评估lambda,或者使用参数x
“调用”方法时,它将执行clf.predict(x)
在该方法中,该函数名为pred_func
,并在
Z = pred_func(np.c_[xx.ravel(), yy.ravel()])
所以运行的代码是
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
答案 2 :(得分:2)
x
是您在此处传递的连接Numpy对象:
Z = pred_func(np.c_[xx.ravel(), yy.ravel()])
pred_func
是plot_decision_boundary()
的参数;通过调用它,您可以调用lambda定义的函数对象。上述内容转换为:
clf.predict(np.c_[xx.ravel(), yy.ravel()])
答案 3 :(得分:1)
plot_decision_boundary(pred_func)实际上需要三个输入X,y,pred_func
如果clf.predict(x)
仅接受x
作为输入,则不需要lambda。
但是,对于其他可能需要更多输入的预测函数(例如func(parameters, x)
作为pred_func
)和不带参数的外部函数(plot_decision_boundary
),我们需要从头开始插入它们:
plot_decision_boundary(lambda x: func(parameters, x), X, y)
答案 4 :(得分:0)
我们要绘制轮廓,因此我们需要X轴,Y轴和Z轴的相应值使用不同的坐标。
pred_func() is clf.predict(x), ie. the lambda function
因此,当您生成网状网格并将其连接(heres a good link to understand concatenation)并将其传递到pred_func
时,您实际上是在将lambda函数的x参数传递给输出预测的值来自lambda函数clf.predict()
,即用于绘制轮廓的Z矩阵(输出z,对应于feature1和feature2的不同值)。