数据挖掘-Iris数据集分析-决策边界_根据花瓣数据绘制(七)
2017-02-01 14:06
381 查看
# coding: utf-8 # 使用花瓣测量数据绘制 2D散点图,并绘出决策边界 import numpy as np import matplotlib.pyplot as plt from matplotlib.colors import ListedColormap from sklearn import datasets from sklearn.neighbors import KNeighborsClassifier #matplot显示图例中的中文问题 : https://www.zhihu.com/question/25404709/answer/67672003 import matplotlib.font_manager as fm #mac中的字体问题请看: https://zhidao.baidu.com/question/161361596.html myfont = fm.FontProperties(fname='/Library/Fonts/Xingkai.ttc') iris=datasets.load_iris() x=iris.data[:,2:4] #取出花瓣的长和宽 y=iris.target #取出类别 #计算散点图的轴的边界 x_min,x_max=x[:,0].min() -.5, x[:,0].max()+.5 y_min, y_max=x[:,1].min()-.5, x[:,1].max()+.5 #绘制边界 cmap_light=ListedColormap(['#AAAAFF','#AAFFAA','#FFAAAA']) h=.02 xx,yy=np.meshgrid(np.arange(x_min,x_max,h),np.arange(y_min,y_max,h)) knn=KNeighborsClassifier() knn.fit(x,y) Z=knn.predict( np.c_[xx.ravel(),yy.ravel()]) Z=Z.reshape(xx.shape) plt.figure() plt.pcolormesh(xx,yy,Z,cmap=cmap_light) plt.title(u'鸢尾花分类预测决策边界_根据花瓣长宽',fontproperties=myfont) plt.xlabel(u'花瓣长',fontproperties=myfont) plt.ylabel(u'花瓣宽',fontproperties=myfont) plt.scatter(x[:,0],x[:,1],c=y) plt.xlim( xx.min(), xx.max() ) plt.ylim( yy.min(),yy.max() ) plt.savefig('python_8_7_带决策边界的2D散点图_根据花瓣数据绘制.png') plt.show()
相关文章推荐
- 数据挖掘-K-近邻分类器-Iris数据集分析-根据花瓣长宽分类-以散点图显示(二)
- 数据挖掘-Iris数据集分析-决策边界(六)
- 数据挖掘-K-近邻分类器-Iris数据集分析-根据花萼长宽分类-以散点图显示(一)
- 数据挖掘-K-近邻分类器-Iris数据集分析-使用K-近邻分类器进行分类预测(四)
- 数据挖掘-oneR算法-Iris数据集分析-使用oneR算法进行分类预测(五)
- 数据挖掘-K-近邻分类器-Iris数据集分析-PCA降维处理后显示分类情况(三)
- 数据挖掘、概率分析与决策支持
- 数据挖掘-diabetes数据集分析-糖尿病病情预测_线性回归_最小平方回归
- 机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率和模糊逻辑的常见问题解答
- 【大数据部落】NBA体育决策和数据挖掘分析
- 【Python数据挖掘课程】四.决策树DTC数据分析及鸢尾数据集分析
- 【Python数据挖掘课程】四.决策树DTC数据分析及鸢尾数据集分析
- Python数据挖掘课程 四.决策树DTC数据分析及鸢尾数据集分析
- 数据挖掘-MovieLens数据集_电影推荐_亲和性分析_Aprioro算法
- 机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率和模糊逻辑的常见问题解答
- 【python数据挖掘课程】十九.鸢尾花数据集可视化、线性回归、决策树花样分析
- 第一届大学生全国数据挖掘邀请赛#的数据集分析
- 数据挖掘-MovieLens数据集_电影推荐_亲和性分析_Aprioro算法
- 机器学习、大数据、深度学习、数据挖掘、统计、决策和风险分析、概率和模糊逻辑的常见问题解答
- ArcGis的SanFrancisco网络数据集制作(网络分析数据)