我还知道P(ω1)= P(ω2) = 1/2的每个类别的概率，我想绘制这两个数据集之间的线性决策边界，但我没有任何想法。
浏览 11提问于2017-02-27得票数 1
回答已采纳
1回答
绘制线性决策边界
、、、
我有一组数据点(40x2)，并导出了决策边界的公式，其结果如下：wk是1x2向量，X是数据点集的2x1点；本质上是X = (xi,yi)，其中i= 1,2，...,40。我试图绘制这条线wk*X + w0 = 0，但我不知道如何绘制实际的线条。在过去，我通过找到数据点的最小值和最大值来实现这一点，并将它们连接在一起，但这肯定不是正确的方法。
浏览 2提问于2016-02-29得票数 2
回答已采纳
1回答
我有两类数据，这两类数据是用2D绘制的，我希望为给定的k值绘制最近邻居决策边界。
我意识到在Matlab的“分类”帮助文档中提供了一个类似的示例，但是我不知道如何在k近邻的上下文中使用它。
浏览 1提问于2011-03-21得票数 5
回答已采纳
1回答
python中有没有一个函数，如果我们输入一个函数，它就会绘制贝叶斯决策边界？我知道matlab中有一个，但我正在寻找python中的一些函数。我在轴上有两个变量样本点，我想绘制决策边界，以便对它们进行分类。
浏览 1提问于2012-02-28得票数 2
回答已采纳
2回答
我有一些已知的参数W=a b，X0=c;d和决策边界W'*(x-X0) = 0。我知道，如果我在这个等式上的点上画一条线，我就得到了一个决策边界，但我无法在代码中求解它。我该如何在Matlab中画出这条决策线呢？
浏览 3提问于2012-10-21得票数 0
回答已采纳
我无法想象我必须在多功能数据中观察到什么样的“趋势”，才能说'Logistic回归在这里会很好‘。那么，我需要对数据进行什么样的“分析”(多功能)才能决定Logistic回归是否有效？
浏览 0提问于2020-07-19得票数 1
回答已采纳
要建立非线性决策边界模型，需要高维数据。另一堂关于神经网络中的乙状结肠的讲座(麻省理工学院S.191)指出，乙状结肠的非线性行为是神经网络能够建立非线性决策边界的原因。所以我有点困惑。sigmoid是否有助于建模非线性决策边界，还是来自高维数据，因为您可以使用sigmoid生成线性决策边界w/o事件？
浏览 0提问于2021-02-16得票数 0
回答已采纳
我尝试过用多项式特征的logistic回归，幸运的是它对我来说很好，而且我还能绘制出决策曲线。对于多项式特征，我使用了map_feature函数。我现在面临的问题是如何在这里绘制决策边界。如果我能得到一些帮助我解决问题的线索、教
浏览 2提问于2014-09-20得票数 0
我只是想知道如何绘制SVM结果的超平面。svmClassified = svmclassify(svmStruct,featureSelcted,'showplot',true);
R中类似的解决方案可以在上找到，但Matlab</em
浏览 0提问于2013-04-22得票数 5
回答已采纳
logistic回归模型，在$X$中创建决策边界线性。据我所知，只有logit在$X$中是线性的。这就是为什么决策边界在X中是线性的吗？如果是，为什么？如果不是这样的话，这种现象的原因是什么？我对此感到困惑，因为决策边界可以表示为：\begin{方程}
浏览 0提问于2018-09-15得票数 1
回答已采纳
2回答
我正在使用神经网络中的径向基函数(Rbf)，使用Matlab中的"newrb“方法，一切都很好，但我希望找到一种方法，使我能够在我拥有的两个样本之间画出决策边界。例如，在感知器中，决策边界是一条带有等式WX+b=0的直线谢谢。哈尼·阿尔穆斯利……
浏览 8提问于2009-12-24得票数 1
1回答
C参数在sklearn.linear_model.LogisticRegression中的含义是什么？它对决策边界有何影响？C的高值是否使决策边界非线性？如果我们可视化决策边界，逻辑回归的过度拟合是什么样子？
浏览 12提问于2021-05-13得票数 12
我使用Libsvm来训练分类器，然后我想绘制决策边界。我尝试在matlab中绘制1对3(1对1)的2D空间，2D特征是Iris数据的第1列和第3列，但它绘制了错误的决策边界。怎么啦？我该怎么办？
浏览 0提问于2012-12-27得票数 1
回答已采纳
1回答
神经网络决策面的可视化
、、、
我在哪里可以找到一个程序来可视化(即绘制)2层前馈神经网络的决策边界表面？有了1层，决策面就只是一串直线。但是有两层(可能每个神经元都有sigmoid阈值)，决策面可能非常复杂和非线性，甚至是不相交的。如果能有一个交互式的工具来在网络上亲身体验一下，那就太好了……用于教育和研究目的:)
浏览 0提问于2013-04-06得票数 2
1回答
据我所知，一个隐藏层可以使用仅用线作为决策边界(每个隐藏神经元一条线)来表示。这是很好的工作，可以很容易地绘制出来，仅使用结果的权重后，训练。我想知道，是否有一种将权重矩阵从不同层次直接转换到这个非线性决策边界(假设2D输入)的方法？
非常感谢，
浏览 2提问于2015-10-03得票数 7
回答已采纳
3回答
支持向量机决策边界的获取
、、、
在下面的示例中：返回如果我没记错的话，它代表了方程式的直线但是，上面的行不是在示例中获得的决策边界，那么coef_到底是什么，如何才能获得线性决策边界的方程？
浏览 7提问于2017-08-26得票数 3
回答已采纳
1回答
单层ANN能把异或搞错吗？
、、、、
在某些设置中，这种情况比其他设置发生得更频繁。对我来说，这似乎更像是神经网络随机性中的一种数学怪癖。但我的数学能力还不足以让我自己解决这个问题。
问题是:假设实现尽可能简单，没有高级概念，这样的事情有可能发生，还是肯定是实现中的一个错误？如果这不是实现中的错误，那么这里发生了什么？是因为异或的对称性吗？据我所知，这就是单个神经元无法处理的原因。现在我在想，这种事情是否真的会发生在一个正确的神经网络中。
浏览 0提问于2018-07-07得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
