如何解决可视化多输出决策树回归边界
我正试图绘制受过训练的决策树回归器的决策边界,如sklearn示例(https://scikit-learn.org/stable/auto_examples/tree/plot_iris_dtc.html#sphx-glr-auto-examples-tree-plot-iris-dtc-py)所示
x_min,x_max = X[:,0].min() - 0.25,X[:,0].max() + 0.25
y_min,y_max = X[:,1].min() - 0.25,1].max() + 0.25
xx,yy = np.meshgrid(np.arange(x_min,x_max,plot_step),np.arange(y_min,y_max,plot_step))
plt.tight_layout(h_pad=0.5,w_pad=0.5,pad=2.5)
Z = regr.predict(np.c_[xx.ravel(),yy.ravel()])
Z = Z.reshape(xx.shape)
cs = plt.contourf(xx,yy,Z,cmap=plt.cm.RdYlBu)
我面临的问题是我的预测输出(Z)是二维的,因此我的值是plt.contourf()对Z的期望值的两倍。
ValueError: cannot reshape array of size 78408 into shape (198,198)
我尝试过的是每隔两行Z绘制一次,然后绘制-可以正常工作-但会导致边界图的可读性不高(我认为是“正确的”)。
关于如何使绘图正确工作的任何想法?谢谢!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。