我不明白用于预测ys以绘制图表的公式是什么。

怎么可能是 ys = (-theta[0] - theta[1] * xs) / theta[2]？

fig, axes = plt.subplots(1, 3, sharex=True, sharey=True, figsize=(12, 3))axes = axes.ravel()for k, theta in enumerate(tha[:3]):    ax = axes[k]    xs = np.arange(0, 1, 0.1)    ys = (-theta[0] - theta[1] * xs) / theta[2]    ax.plot(xs, ys, lw=0.5)    dfa.query('label ==  1').plot.scatter(x='x1', y='x2', ax=ax, color='blue')    dfa.query('label == -1').plot.scatter(x='x1', y='x2', ax=ax, color='red')

回答：

这里你并没有预测 ys，在公式中 xs 和 ys 都是你的特征，因此最好将它们命名为 x1 和 x2。

这两个公式定义了相同的决策边界：

ys = (-theta[0] - theta[1] * xs) / theta[2]theta[2] * ys = (-theta[0] - theta[1] * xs)

但为了绘制边界，你应该用一个特征来定义另一个特征。

所以这里的 ys 不是你的预测，你的预测是这个表达式符号，它依赖于两个特征 xs 和 ys：

 theta[0] + theta[1] * xs + theta[2] * ys

在图表上，这条线将你的点分为两组。我附上了你链接中的截图，解释了这一点。