如何用Sklearn得到线性判别分析中的边界线方程

Question

我将一些数据分为两类，使用sklearn的LinearDiscriminantAnalysis分类器，效果很好，所以我这样做了：

from sklearn.cross_validation import train_test_split
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25) # 25% of the dataset are not used for the training
clf = LDA()
clf.fit(x_train, y_train)

然后我设法用它进行预测，这很好。

但是，所有这些都在ipython笔记本中，我想在其他地方使用分类器。我已经看到了使用泡菜和joblib的可能性，但因为我只有2组和2个特征，所以我虽然我可以只是得到边界线的等式，然后检查是否给定点高于或低于该行以告知它属于哪个组。

根据我的理解，这条线与投影线正交，并通过簇的平均值。我想我用np.mean(clf.means_, axis=0)得到了集群的意思。

但在这里，我仍然坚持如何使用clf.coef_，clf.intercept_等所有属性来查找投影线的等式。

所以，我的问题是如何根据我的分类器得到边界线方程。

我也可能没有正确理解LDA，我很乐意有更多的解释。

由于

Answer 1

决策边界只是用

给出的行

np.dot(clf.coef_, x) - clf.intercept_ = 0

（直到拦截的符号，这取决于实施可能被翻转），因为这是决策功能的符号翻转的地方。