我需要根据身高和体重绘制分隔线，以使用单层感知器的输出区分男性和女性。

我有一个名为data.txt的文件，其中包含两个特征（身高和体重）以及性别，0表示男性，1表示女性

例如：

|---------------------|------------------|------|
|      150.5          |     5.2          |   1  |
|---------------------|------------------|------|
|      142.8          |     4.0          |   0  |
|---------------------|------------------|------|
|      150.5          |     5.2          |   1  |
|---------------------|------------------|------|
|      190            |     5.7          |   0  |
|---------------------|------------------|------|
import numpy as np
from sklearn import svm
import matplotlib.pyplot as plt
from sklearn.linear_model import perceptron
from pandas import *
import fileinput
f = fileinput.input('data.txt')
#女性和男性的身高 X_1 = []
#女性和男性的体重 X_2 = []
#标签 0 表示男性，1 表示女性 Y = []
for line in f:
    temp = line.split(",")
    if str(temp[2]) == '0\n' :
        X_1.append(round(float(temp[0]),2))
        X_2.append(round(float(temp[1]),2))
        Y.append(0)
    else:
        X_1.append(round(float(temp[0]), 2))
        X_2.append(round(float(temp[1]), 2))
        Y.append(1)
print len(X_1)
print len(Y)
inputs = DataFrame({'Height' : X_1,
'Weight' : X_2,
'Targets' : Y})
colormap = np.array(['r', 'b'])
net = perceptron.Perceptron(n_iter=1000, verbose=0, random_state=None, fit_intercept=True, eta0=0.002)
# 训练感知器对象（net）
net.fit(inputs[['Height','Weight']],inputs['Targets'])
# 输出值
print "Coefficient 0 " + str(net.coef_[0, 0])
print "Coefficient 1 " + str(net.coef_[0, 1])
print "Bias " + str(net.intercept_)
plt.scatter(inputs.Height,inputs.Weight, c=colormap[inputs.Targets],s=20)
# 计算超平面（决策边界）
ymin, ymax = plt.ylim()
w = net.coef_[0]
a = -w[0] / w[1]
xx = np.linspace(ymin, ymax)
yy = a * xx - (net.intercept_[0]) / w[1]
# 绘制超平面
plt.plot(xx, yy, 'k-')
plt.show()

但是我的图表看起来像这样

而我实际没有线的图表看起来是这样的。我不知道我做错了什么

回答：

替换

ymin, ymax = plt.ylim() 

为

 xmin, xmax = plt.xlim() 

因此，与计算超平面相关的部分将如下所示

# 计算超平面（决策边界）
xmin, xmax = plt.xlim()
w = net.coef_[0]
a = -w[0] / w[1]
xx = np.linspace(xmin, xmax)
yy = a * xx - (net.intercept_[0]) / w[1]