python 画分界限

Python是一种高级编程语言，具有强大的数据分析和可视化能力，因此常常用于机器学习和数据科学领域。在这篇文章中，我们将演示怎样使用Python绘制分类模型的分界限。

# 导入需要的库
import numpy as np
import matplotlib.pyplot as plt
# 创建随机数据
np.random.seed(0)
X = np.random.randn(200, 2)
y = np.logical_xor(X[:, 0] >0, X[:, 1] >0)
# 绘制数据散点图
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.xlabel('X1')
plt.ylabel('X2')
plt.show()

在这里，我们创建了一个简单的二元分类问题来演示如何绘制分类边界。我们首先使用numpy库生成200个随机数据点，然后使用逻辑异或计算标签y。最后，我们使用matplotlib库的scatter函数绘制数据散点图。

# 导入SVC算法
from sklearn.svm import SVC
# 创建SVC分类器
clf = SVC(kernel='linear')
# 拟合数据
clf.fit(X, y)
# 提取分类边界
w = clf.coef_[0]
a = -w[0] / w[1]
xx = np.linspace(⑶, 3)
yy = a * xx - (clf.intercept_[0]) / w[1]
# 绘制数据散点图和分类边界
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.plot(xx, yy)
plt.xlabel('X1')
plt.ylabel('X2')
plt.show()

在这里，我们导入了SVC算法（支持向量机）并创建了一个线性分类器。使用clf.fit函数进行拟合，然后提取分类边界。最后，我们使用matplotlib库的plot函数绘制分类边界。

可以看到，分类边界将数据分为两个区域，这是一个简单的二元分类器的例子。您可以继续尝试其他算法，并尝试更复杂的数据集。