鸢尾花分类_使用python+sklearn实现在鸢尾花数据集上训练多分类SGD

Myth丶恋晨 2023-01-07 04:55 123阅读 0赞

在鸢尾花数据集上绘制多分类SGD的决策面。三个一对多(one-versus-all)(OVA)分类器的超平面由虚线表示。![fd6e393b5c592d35d0802d1eabc9fab3.png][]

print(__doc__)
    
    import numpy as np
    import matplotlib.pyplot as plt
    from sklearn import datasets
    from sklearn.linear_model import SGDClassifier
    
    # 导入一些数据进行训练
    iris = datasets.load_iris()
    
    # 我们仅使用前两个特征。
    # 我们可以通过使用二维数据集来避免这种用丑陋的代码来进行切分(slicing)
    X = iris.data[:, :2]
    y = iris.target
    colors = "bry"
    
    # 打乱数据
    idx = np.arange(X.shape[0])
    np.random.seed(13)
    np.random.shuffle(idx)
    X = X[idx]
    y = y[idx]
    
    # 标准化
    mean = X.mean(axis=0)
    std = X.std(axis=0)
    X = (X - mean) / std
    
    h = .02  # 网格中的步长
    
    clf = SGDClassifier(alpha=0.001, max_iter=100).fit(X, y)
    
    # 创建要绘制的网格
    x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
    y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                         np.arange(y_min, y_max, h))
    
    # 绘制决策边界。 为此，我们将为网格[x_min，x_max] x [y_min，y_max]中的每个点分配颜色。
    Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
    # 将结果放入颜色图(color plot)
    Z = Z.reshape(xx.shape)
    cs = plt.contourf(xx, yy, Z, cmap=plt.cm.Paired)
    plt.axis('tight')
    
    # 绘制训练点
    for i, color in zip(clf.classes_, colors):
        idx = np.where(y == i)
        plt.scatter(X[idx, 0], X[idx, 1], c=color, label=iris.target_names[i],
                    cmap=plt.cm.Paired, edgecolor='black', s=20)
    plt.title("Decision surface of multi-class SGD")
    plt.axis('tight')
    
    # 绘制三个一对多(one-against-all)的分类器
    xmin, xmax = plt.xlim()
    ymin, ymax = plt.ylim()
    coef = clf.coef_
    intercept = clf.intercept_
    
    
    def plot_hyperplane(c, color):
        def line(x0):
            return (-(x0 * coef[c, 0]) - intercept[c]) / coef[c, 1]
    
        plt.plot([xmin, xmax], [line(xmin), line(xmax)],
                 ls="--", color=color)
    
    
    for i, color in zip(clf.classes_, colors):
        plot_hyperplane(i, color)
    plt.legend()
    plt.show()

**脚本的总运行时间：**(0分钟0.585秒)

**估计的内存使用量：** 8 MB

![9543c6c5c762ab3ba362e96a8e98693d.png][]

下载Python源代码: plot\_sgd\_iris.py

`下载Jupyter notebook源代码: plot_sgd_iris.ipynb`

由Sphinx-Gallery生成的画廊

![3d7ad83fb09dc78f7b3806e2f0b8227e.png][] ☆☆☆为方便大家查阅，小编已将scikit-learn学习路线专栏文章统一整理到公众号底部菜单栏，同步更新中，关注公众号，点击左下方“系列文章”，如图： ![155fcf578b2e233c518142c9abc9b2b5.png][]

**欢迎大家和我一起沿着scikit-learn文档这条路线，一起巩固机器学习算法基础。(添加微信：mthler，备注：sklearn学习，一起进【sklearn机器学习进步群】开启打怪升级的学习之旅。**

![fc9cf12ab7b9e893f49229b0c884b8ec.png][]

[fd6e393b5c592d35d0802d1eabc9fab3.png]: /images/20221119/d0e32354b4ee477e9bdb003d9f17a448.png
[9543c6c5c762ab3ba362e96a8e98693d.png]: /images/20221119/27b213c5291246e3b0466288e11e62da.png
[3d7ad83fb09dc78f7b3806e2f0b8227e.png]: https://img-blog.csdnimg.cn/img_convert/3d7ad83fb09dc78f7b3806e2f0b8227e.png
[155fcf578b2e233c518142c9abc9b2b5.png]: /images/20221119/f1fff41f5a8443b8b13330439de452d2.png
[fc9cf12ab7b9e893f49229b0c884b8ec.png]: /images/20221119/2688218245b54437aa3d12bf6fe87ef1.png