用Python绘制规则化Logistic回归的决策边界

时间:2018-12-02 14:55:48

标签: python matplotlib machine-learning scikit-learn logistic-regression

我刚刚为正则化Logistic回归实现了一个模型,但是在绘制决策边界时遇到了困难。我正在使用一个名为mlxtend的程序包,该程序包应该是实现决策边界的一种无缝方法,但是我花了一整天的时间来尝试使它生效。 请向我指出正确的方向,以绘制决策边界。太感谢了! 导入matplotlib.pyplot作为plt 将熊猫作为pd导入 将numpy导入为np 从sklearn.preprocessing导入PolynomialFeatures 从sklearn.linear_model导入LogisticRegression 从sklearn.model_selection导入train_test_split 从mlxtend.plotting导入plot_decision_regions 数据集= pd.read_csv(“ Microchip Test Dataset.txt”,名称= [“ Test 1”,“ Test 2”,“ Accepted”]) 打印(dataset.head()) #可视化数据集 正=数据集[数据集[“已接受”] == 1] 否=数据集[数据集[“已接受”] == 0] plt.scatter(正[“测试1”],正[“测试2”],颜色=“蓝色”,标记=“ o”,标签=“接受”) plt.scatter(否定[“测试1”],否定[“测试2”],颜色=“红色”,标记=“ x”,标签=“已拒绝”) plt.title(“ Microchip Test”) plt.xlabel(“测试1”) plt.ylabel(“测试2”) plt.legend() plt.show() #预处理数据 col = len(dataset.columns) x = dataset.iloc [:,0:col-1] .values y = dataset.iloc [:,col-1:col] .values #添加多项式特征 poly =多项式特征(6) x = poly.fit_transform(x) print(f“ \ nX Shape:{x.shape} Y Shape:{y.shape}”) x_train,x_test,y_train,y_test = train_test_split(x,y,random_state = 1306) #培训模式 reg = LogisticRegression() reg.fit(x_train,y_train) 概率= reg.predict(x_test) precision_score = reg.score(x_test,y_test)* 100 coeff = reg.coef_ 截距= reg.intercept_ print(f“精度:{accuracy_score:.2f}%”) print(f“系数= {coeff}”) print(f“拦截系数= {拦截}”) 值= 1.5 宽度= 0.75 e = {} f = {} 对于我在范围(2,28)中:     e [i] =值 对于范围(2,28)中的j:     f [j] =宽度 #可视化输出 plot_decision_regions(x,y.flatten(),clf = reg,                       Filler_feature_values = e,                       Filler_feature_ranges = f,                       ) plt.xlabel(“测试1”) plt.ylabel(“测试2”) plt.legend() plt.show() 数据集为:Microchip测试数据集

0 个答案:

没有答案