我在代码中使用Sklearn中的SVC，并使用mlxtend plot_decision_regions函数绘制它。请看下面的代码，我的数据是简单的二维点。决策函数的图没有意义，因为边界比另一个类更接近一个类。我做错了什么/解释错了吗？import numpyimport matplotlib.pyplot as plt
from mlxtend.plotting i
浏览 0提问于2018-08-11得票数 1
回答已采纳
2回答
我使用SKLearn对我的数据运行SVC。from sklearn import svm
我想知道如何才能得到X中每个数据点与决策边界的距离？
浏览 3提问于2015-08-18得票数 4
回答已采纳
我正在学习Udacity教程，其中给出了几个数据点，并测试以下哪一个模型最适合于数据:线性回归、决策树或支持向量机。使用sklearn，我可以确定支持向量机是最适合的，其次是决策树。当应用这两种算法时，我得到了一个非常清晰的决策边界：是否有任何特定的原因，上述形状或它只是依赖于数据集？代码非常简单；只需读取CSV，分离特性，然后应用算法，如下所示：
from sklearn.linear_model impor
浏览 0提问于2017-07-19得票数 5
回答已采纳
1回答
按值划分3d数据的绘图面
、、、、
我想绘制一个曲面，将值为1的点与值为0的点分开。例如，假设所有x、y和z大于零的点的值都是1，而所有其他点的值都是0。但在我的问题中，我不知道区分这两个类别的解析表达式。在Python中绘制这样的曲面最好的方法是什么？
浏览 16提问于2019-06-05得票数 0
2回答
我使用sklearn.svm.svc()拟合了一个包含3个特征的数据集。我可以使用matplotlib和Axes3D绘制每个观察值的点。我想绘制决策边界，看看是否合适。我尝试采用2D示例来绘制决策边界，但无济于事。我知道clf.coef_是一个垂直于决策边界的向量。如何绘制此图以查看其分割点的位置？
浏览 1提问于2016-03-26得票数 7
回答已采纳
1回答
SVM决策边界绘制错误
、、、
我正在尝试模仿我在Kaggle上找到的关于绘制SVM决策边界的代码。我正在使用我自己的数据集，其中有608个数据和10个特征，有2个类。例如，这两个类就是你是不是糖尿病患者。我复制了这个链接上的SVM代码部分(当你在底部向下滚动时，你可以在其中找到)，其中提到了决策边界可视化。。
然而，我得到这个错误，说"X必须是一个Numpy数组“。有人能给我解释一下这是什么意思吗？下面的代码就是我所做
浏览 1提问于2019-04-17得票数 0
1回答
从滑雪板中判定边界
、、、
假设我们有一个简单的支持向量机训练案例和训练目标。from sklearn import svm>>> y = [0.5, 2.5]>>> clf.fit(XNone, shrinking=True, tol=0.001, verbose=False)array([ 1.5])
如何得到具
浏览 4提问于2013-09-27得票数 1
1回答
import LinearSVCsvm_lin.fit(X,y)如果很大，那么错误分类就不会被容忍，因为惩罚会很大。如果C是小的，则会容忍错误分类以使保证金(软保证金)更大。
对于C=1，我有下面的图(橙色线表示对给定x值的预测)，我们可以看到决策边界在7左右，所以C=1足够大，不允许任何错误分类。(X_test_svml),marker=&qu
浏览 8提问于2020-06-06得票数 2
回答已采纳
我正在尝试使用sklearn的LinearSVC并将决策树导出到.dot文件中。这是输出： File "D:\Documents\Telecom\IA\ai-person-income\project\sklearn_test.pytree.dot')
File "D:\Program Files\WinPython-64bit-3.6.3.0Qt5\python-3.6.3.amd64\lib\site-
浏览 2提问于2017-12-04得票数 0
给定一个分类问题，有时我们不仅要预测一个类，还需要返回它是一个类的概率。如果不构建新的分类器来预测y=0、y=1、y=2...y=C。因为训练C分类器(比方说C=100)可能相当慢。
要做到这一点，可以做些什么？什么分类器自然可以很容易地给出所有的概率(我知道的一个是使用100个输出节点的神经网络)？但是如果我使用传统的随机森林，我就无法做到这一点，对吧？我使用Python Scikit-Learn库。
浏览 3提问于2016-09-28得票数 1
我建立了一个SVM分类器，但得到了一个逆ROC曲线。AUC只有0.08。我使用相同的数据集构建了Logistic回归分类器和决策树分类器，它们的ROC曲线看起来很好。以下是我的支持向量机代码：svm = SVC(max_iter = 12, probability = True)svm_test
浏览 0提问于2020-07-28得票数 2
1回答
我正在使用svm classifier在python中处理一个多标签分类问题。经过训练后，我要测试并得到算法最不自信的样本，即离决策边界较近的样本。我可以用sklearn decision_function(X)来预测样本的置信度。然而，如何确定哪一个是最接近决策边界？价值较低的那些？我的代码在下面，所以代码：clf.fit(X_train
浏览 5提问于2022-08-01得票数 0
回答已采纳
1回答
我试图用预先计算的Laplace内核(下面的代码)在这个的类似行上绘制支持向量机分类器的决策边界。我把测试点作为网格值，(xx, yy)，就像post中提到的，训练点如X和y。pltfrom sklearn.svm import SVCplt.xticks((
浏览 2提问于2021-11-05得票数 1
回答已采纳
据我所知，带有径向基函数核的支持向量机决策函数看起来像。支持向量机学习X = [[0, 0], [1, 1]]clf = svm.SVC()如何才能看到决策函数的系数
浏览 1提问于2013-12-28得票数 2
回答已采纳
我使用随机森林和SVM分类器进行分类，我有18322个样本，它们在9个类别(3667,1060,1267,2103,2174,1495,884,1462,4210)中是不平衡的。我使用10倍的CV，我的训练数据有100个特征维度。在我的样本中，训练数据在这100个维度上差别不大，当我使用SVM时，准确率约为40%，而当我使用RF时，准确率可以达到92%。然后我让我的数据在这100个特征维度上的差异更小，然而，RF也可以给我92%的准确
浏览 1提问于2015-04-26得票数 0
我目前正在使用python的scikit库执行线性内核的多类SVM。30,222,115,12,42,64,91],[220,12,55,222,82,14,181],[30,222,315,12,222,64,111]]我想绘制决策边界并可视化数据集上面给出的数据只是模拟数据，所以可以随意更改这些值。如果你至少可以建议要遵循的步骤，那将是很有帮助的。提前感谢
浏览 0提问于2018-07-12得票数 14
回答已采纳
1回答
使用支持向量机和sklearn库，我想用每个标签表示其颜色来绘制数据。我不想给点上颜色，而是用颜色填充区域。我现在有了：d_pred是预测的标签。我会用形状为(70000,2)的d_train_std绘制d_pred，其中X轴是第一列，Y轴是第二列。
谢谢。
浏览 8提问于2018-07-24得票数 7
回答已采纳
我的树应该是这样的：第二个节点:A类和B类之间的CNN binary classifier分类
有没有人知道是否有关于这个问题的现有文件？叶子不一定是CNNs，在TensorFlow中任何类似的树实现都会给我很大的帮助。
浏览 0提问于2019-06-06得票数 1
1回答
如何为10个特征添加填充特征值？
、、、、
我正在尝试为我的SVM非线性决策边界添加填充特征值。我得到了这个错误，Column(s) [1 5 6 7 8] need to be accounted for in either feature_index or filler_feature_values下面是我的代码： import numpy as npfrom sklearn import svm
from mlxtend.plotting impo
浏览 60提问于2019-04-22得票数 0
回答已采纳
3回答
目前，我正在使用SVM进行带有'rbf'内核的项目。但是我发现了一些支持向量，决策函数的值甚至是0.76, -0.88, 0.93 and so on..还是我的理解错了？
浏览 14提问于2022-08-17得票数 1
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
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
