非线性决策边界的 SVM 图

Question

我正在尝试绘制 SVM 决策边界，该边界将癌症和非癌症这两个类别分开。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：

或任何显示点的东西都是分散的。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：

你可以在这里找到 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，正如我猜列名所暗示的那样，它包含基本事实 (TARGET) 和一些 (?) 模型的 Predictions 已经运行。

鉴于此，您在发布的代码中所做的操作绝对毫无意义：您将这两列用作X 中的特征，以预测您的y，这是...正是这些相同的列之一 (Predictions)，已经包含在您的 X...

您的绘图看起来“奇怪”只是因为您绘制的内容不是您的数据点，而您在此处显示的 X 和 y 数据不是应该用于拟合分类器的数据。

我更加困惑，因为在您的链接仓库中，您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 读取您的功能和标签，当然不是从predictions.csv 读取，因为您在这里莫名其妙地尝试这样做......