非线性决策边界的 SVM 图

Question

我正在尝试绘制分隔两个类癌症和非癌症的 SVM 决策边界。但是，它显示的情节与我想要的相去甚远。我希望它看起来像这样：

或任何显示点分散的东西。这是我的代码：

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

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


# Fit Support Vector Machine Classifier
X = autism[['TARGET','Predictions']]
y = autism['Predictions']

clf = svm.SVC(C=1.0, kernel='rbf', gamma=0.8)
clf.fit(X.values, y.values) 

# Plot Decision Region using mlxtend's awesome plotting function
plot_decision_regions(X=X.values, 
                      y=y.values,
                      clf=clf, 
                      legend=2)

# Update plot object with X/Y axis labels and Figure Title
plt.xlabel(X.columns[0], size=14)
plt.ylabel(X.columns[1], size=14)
plt.title('SVM Decision Region Boundary', size=16)
plt.show()

但我得到了一个看起来很奇怪的情节：

您可以在此处找到 csv 文件predictions.csv

Answer 1

你听起来有点困惑...

你的 predictions.csv 看起来像：

TARGET  Predictions
     1  0
     0  0
     0  0
     0  0

而且，正如我猜列名暗示的那样，它包含基本事实 (TARGET) 和某些 (?) 模型的 Predictions 已经运行.

鉴于此，您在发布的代码中所做的事情完全 毫无意义 ：您将这两列用作 X 中的功能，以便预测你的y，这是......完全相同的列之一（Predictions），已经包含在你的X......

您的绘图看起来 "strange" 只是因为您绘制的是不是您的数据点，而 X 和 y 数据是您这里显示的是不是应该用于拟合分类器的数据。

我更加困惑，因为在你的链接回购中，你的脚本中确实有正确的程序：

autism = pd.read_csv('10-features-uns.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)

即从 10-features-uns.csv 读取你的特征和标签，当然 而不是 predictions.csv ，因为你在这里莫名其妙地试图做...

非线性决策边界的 SVM 图

SVM plot for a non-linear decision boundary

python

machine-learning

svm

python-3.x

scikit-learn