Matplotlib में ग्राफ़ k-NN निर्णय सीमाएँ बनाने के लिए, हम निम्नलिखित कदम उठा सकते हैं।
कदम
-
फिगर साइज सेट करें और सबप्लॉट्स के बीच और आसपास पैडिंग को एडजस्ट करें।
-
वैरिएबल n_पड़ोसी को इनिशियलाइज़ करें पड़ोसियों की संख्या के लिए।
-
लोड करें और आइरिस लौटाएं डेटासेट (वर्गीकरण)।
-
बनाएं x और y डेटा बिंदु।
-
गहरे और हल्के रंगों की सूची बनाएं।
-
k-निकटतम पड़ोसियों के वोट को लागू करने वाला क्लासिफायर।
-
बनाएं xmin, xmax, ymin और ymax डेटा बिंदु।
-
एक नया आंकड़ा बनाएं या मौजूदा आंकड़ा सक्रिय करें।
-
एक कंटूरफ प्लॉट बनाएं।
-
X डेटासेट के साथ स्कैटर प्लॉट बनाएं।
-
सेट करें x और y कुल्हाड़ियों के लेबल, शीर्षक और कुल्हाड़ियों का पैमाना।
-
आकृति प्रदर्शित करने के लिए, दिखाएँ () . का उपयोग करें विधि।
उदाहरण
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.colors import ListedColormap
from sklearn import neighbors, datasets
plt.rcParams["figure.figsize"] = [7.00, 3.50]
plt.rcParams["figure.autolayout"] = True
n_neighbors = 15
iris = datasets.load_iris()
X = iris.data[:, :2]
y = iris.target
h = .02
cmap_light = ListedColormap(['orange', 'cyan', 'cornflowerblue'])
cmap_bold = ['darkorange', 'c', 'darkblue']
clf = neighbors.KNeighborsClassifier(n_neighbors, weights='uniform')
clf.fit(X, y)
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))
Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
Z = Z.reshape(xx.shape)
plt.figure()
plt.contourf(xx, yy, Z, cmap=cmap_light)
sns.scatterplot(x=X[:, 0], y=X[:, 1], hue=iris.target_names[y],
palette=cmap_bold, alpha=1.0, edgecolor="black")
plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())
plt.title("3-Class classification (k = %i, 'uniform' = '%s')"
% (n_neighbors, 'uniform'))
plt.xlabel(iris.feature_names[0])
plt.ylabel(iris.feature_names[1])
plt.Show() आउटपुट
यह निम्नलिखित आउटपुट देगा -
