Question

我试图模仿我在Kaggle上发现的绘制SVM决策边界时使用的这一代码。我正在使用自己的数据集，其中包含608个数据和10个要素，包括2个类。例如，这两个类别是您是否要成为diabetec。我在该链接上复制了代码的SVM部分（在其中向下滚动时可以找到它），其中提到了决策边界可视化。 Here's the link to my reference。

但是，我得到这个错误，说“ X必须是一个Numpy数组”。有人可以向我解释这是什么意思吗？

下面的代码是我所做的。请注意，我的数据集已经预先标准化。另外，我将数据分成70:30的比例。

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import matplotlib.pyplot as show
import matplotlib as cm
import matplotlib.colors as colors
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn import svm
from mlxtend.plotting import plot_decision_regions


autism = pd.read_csv('diabetec.csv')

x = autism.drop(['TARGET'], axis = 1)  
y = autism['TARGET']
x_train, X_test, y_train, y_test = train_test_split(x, y, test_size = 0.30, random_state=1)

t = np.array(y_train)
t = t.astype(np.integer)
clf_svm = SVC(C=1.3, gamma=0.8, kernel='rbf')
clf_svm.fit(x_train, t)
plt.figure(figsize=[15,10])
plot_decision_regions(x_train, t, clf = clf_svm, hide_spines = False, colors = 'purple,limegreen', markers = ['x','o'])
plt.title('Support Vector Machine')

Answer 1

plot_decision_regions需要一个numpy数组，但是x_train是一个pandas数据框。尝试使用x_train.values，即

plot_decision_regions(x_train.values, t, clf = clf_svm, ...

SVM决策边界绘图中的错误

1 个答案: