支持向量机绘图解释

Question

from mlxtend.plotting import plot_decision_regions
import matplotlib.pyplot as plt

clf = svm.SVC(decision_function_shape='ovo')
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)

我得到了上面代码的下图。我打算将 SVC 用于二进制响应 0 和 1。我不明白情节。我期待清晰的可分离 space。我想知道你是否可以帮助我解释我的结果。感谢您的宝贵时间！

Answer 1

您正在绘制两个维度的图形，因此我们无法判断它在更高（或不同）的维度 space 中是否比图表描绘的更清楚。蓝色部分中的橙色三角形会被错误分类，反之亦然。

支持向量机绘图解释

Support vector machine plotting interpretation

python

machine-learning

svm

pandas

scikit-learn