Question

是否可以将我的SVM分类器拟合到具有4个特征变量的数据集上，然后将结果绘制在2D平面上？

这是代码：

import numpy as np
import pandas as pd
from sklearn import svm
from mlxtend.plotting import plot_decision_regions
import matplotlib.pyplot as plt


X=dataset.iloc[:,0:2].values

Y=dataset.iloc[:,4].values

from sklearn.preprocessing import LabelEncoder
number=LabelEncoder()
Y=number.fit_transform(Y.astype('str'))

clf = svm.SVC(decision_function_shape='ovo')
clf.fit(X, Y) 

plot_decision_regions(X=X, 
                      y=Y.astype(np.integer),
                      clf=clf, 
                      legend=2)

输出为x x y图像，分为3个区域。

enter image description here

我想更改代码，以使分类器适合4个变量（而不是2个），但数据点仍绘制在2D平面上。

当我更改

X=dataset.iloc[:,0:2].values至X=dataset.iloc[:,0:4].values

我收到以下错误消息：X具有两个以上的训练功能时，必须提供填充值

我尝试对4个变量拟合clf，然后将X更改回 X=dataset.iloc[:,0:2].values，然后运行：

plot_decision_regions(X=X, 
                      y=Y.astype(np.integer),
                      clf=clf, 
                      legend=2)

也没有用。我收到以下错误：X.shape 1 = 2应该等于4，即训练时的要素数量。

任何方法都可以做到吗？

绘制具有多个特征变量的SVM？

0 个答案: