我编写了一个多层感知器，使用了三层（0,1,2）。我想绘制我已经分类的数据集（八个特征）和决策边界，使用Python。我应该如何在屏幕上使用Python的一个库来绘制它？权重函数 -> 矩阵[3][8]样本 x -> 向量[8]

#-- 训练决策边界，并测试它。 --#
def perceptron(x, y):
    m = len(x)
    d = len(x[0])
    eta = 0.1
    w = [[0 for k in range(d)] for j in range(3)]
    T = 2500
    for t in range(0, T):
        i = random.randint(0, m - 1)
        v = [float(j) for j in x[i]]
        y_hat = np.argmax(np.dot(w, v))
        if y_hat != y[i]:
            w[y[i]] = np.add(w[y[i]], np.array(v) * eta)
            w[y_hat] = np.subtract(w[y_hat], np.array(v) * eta)
    w_perceptron = w
    #-- 测试我们训练的决策边界。 --#
    #-- 打印损失权重函数。 --#
    M_perceptron = 0
    for t in range(0, m):
        y_hat = np.argmax(np.dot(w_perceptron, x[t]))
        if y[t] != y_hat:
            M_perceptron = M_perceptron + 1
    return float(M_perceptron) / m

def main():
    y = []
    x = [[]]
    x = readTrain_X(sys.argv[1], x) # 读取训练数据集。
    readTrain_Y(sys.argv[2], y) # 读取正确分类的训练集。
    print(perceptron(x, y))

回答：

你无法绘制8个特征。没有办法可视化8维空间。但是，你可以使用PCA/t-SNE进行降维到2D来进行可视化。如果你能将其降维到2D，那么你可以创建一个值的网格，并使用模型返回的概率来可视化决策边界。

参考：链接