老师，提问一个绘制决策边界的问题~

Question

在逻辑回归中使用Pipeline之后绘制决策边界的代码是这样的（不用Scaler）

log = Pipeline([
   ('poly', PolynomialFeatures()),
   ('log_reg', LogisticRegression())
])
log.fit(X, y)

plot_decision_boundary(log, axis=[-1, 1, -1, 1])
plt.scatter(X[y == 0, 0], X[y == 0, 1])
plt.scatter(X[y == 1, 0], X[y == 1, 1])
plt.show()

然而如果不适用管道应该怎么绘制边界？不用管道的代码如下，但是X_poly特征经过多项式处理已经有了6个了，怎样像管道一样画出图像呢？

poly = PolynomialFeatures()
poly.fit(X)
X_poly = poly.transform(X)

log = LogisticRegression()
log.fit(X_poly, y)

plot_decision_boundary(log, axis=[-1, 1, -1, 1])
plt.scatter(X[y == 0, 0], X[y == 0, 1])
plt.scatter(X[y == 1, 0], X[y == 1, 1])
plt.show()

Answer 1

liuyubobobo 2018-07-27 12:04:41

关键是我们的可视化代码只能可视化二维空间，也就是绘制一个平面。所以我们的可视化方法只能处理两个特征的情况。六维空间本身就是无法可视化的：）

• 提问者 NLPLearner #1

  是这样，那么Pipeline不是也使用了多项式特征吗？它是怎么绘制出来就是二维得了？

• liuyubobobo 回复 提问者 NLPLearner #2

  因为你创建的pipeline，是可以传入2个特征的，这两个特征在pipeline内转成了6个特征，又训练了模型。不过从整个管道看，输入是2个特征，输出是预测结果；但是你的第二种方式，训练的log，输入就是6个特征，所以把它传给decision_boundary，decision_boundary只能处理两个特征的情况，就报错了：）

• 提问者 NLPLearner #3

  非常感谢！