ML之LoR：基于LoR算法实现对非线性数据集点进行绘制决策边界

1、查看数据集

import numpy as np

from sklearn.datasets import make_moons  #make_moons数据集可以生成一些非线性数据点

import matplotlib.pyplot as plt

# 手动生成一个随机的平面点分布，并画出来

np.random.seed(0)

X, y = make_moons(200, noise=0.20)

plt.scatter(X[:,0], X[:,1], s=40, c=y, cmap=plt.cm.Spectral)

plt.title('make_moons generating nonlinear data points')

plt.show()

2、设计代码

from sklearn.linear_model import LogisticRegressionCV

#查看LoR算法的分类效果

#因为线性切分，决策边界是直线，这条直线只能尽量让某一类点落在某一侧，但是永远做不到真的完全切分

clf = LogisticRegressionCV()

clf.fit(X, y)

#绘制一下决策边界

plot_decision_boundary(lambda x: clf.predict(x))

plt.title("Logistic Regression")

plt.show()

3、输出结果