Python机器学习基础教程

50

｜

第

2

章

mglearn.discrete_scatter(X[:, 0], X[:, 1], y)

plt.xlabel("Feature 0")

plt.ylabel("Feature 1")

plt.legend(["Class 0", "Class 1", "Class 2"])

图 2-19：包含 3 个类别的二维玩具数据集

现在，在这个数据集上训练一个 LinearSVC 分类器：

In[48]:

linear_svm = LinearSVC().fit(X, y)

print("Coefficient shape: ", linear_svm.coef_.shape)

print("Intercept shape: ", linear_svm.intercept_.shape)

Out[48]:

Coefficient shape: (3, 2)

Intercept shape: (3,)

我们看到，coef_ 的形状是 (3, 2)，说明 coef_ 每行包含三个类别之一的系数向量，每列

包含某个特征（这个数据集有

2

个特征）对应的系数值。现在 intercept_ 是一维数组，保

存每个类别的截距。

我们将这

3

个二类分类器给出的直线可视化（图

2-20

）：

In[49]:

mglearn.discrete_scatter(X[:, 0], X[:, 1], y)

line = np.linspace(-15, 15)

for coef, intercept, color in zip(linear_svm.coef_, ...