如何使用matplotlib绘制决策边界？决策边界是形式为[w1,w2]的权重向量，它基本上将两个类别C1和C2分开？

是否可以简单地从点(0,0)绘制一条线到点(w1,w2)（因为W是权重“向量”）？如果是这样，如果我需要的话，如何在两个方向上扩展这条线？

目前我所做的只是：

 import matplotlib.pyplot as plt plt.plot([0,w1],[0,w2]) plt.show()

回答：

决策边界通常比单纯的一条线要复杂得多，因此（在二维情况下）最好使用通用的代码，这也适用于线性分类器。最简单的想法是绘制决策函数的等高线图

# X - 一些二维的np.array数据x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1xx, yy = np.meshgrid(np.arange(x_min, x_max, h),                     np.arange(y_min, y_max, h))# 这里的“model”是你的模型预测（分类）函数Z = model(np.c_[xx.ravel(), yy.ravel()]) # 将结果放入颜色图中Z = Z.reshape(xx.shape)plt.contourf(xx, yy, Z, cmap=pl.cm.Paired)plt.axis('off')# 也绘制训练点plt.scatter(X[:, 0], X[:, 1], c=Y, cmap=pl.cm.Paired)

来自sklearn文档的一些示例