Python 解释matplotlib轮廓函数

我试图用matplotlib轮廓函数绘制一个决策区域（基于逻辑回归的输出）。我正在使用的代码：

subplot.contourf(x2, y2, P, cmap=cmap_light, alpha = 0.8)

其中x2和y2是通过numpy网格生成的两个二维矩阵。P是使用

P = clf.predict(numpy.c_[x2.ravel(), y2.ravel()])
P = P.reshape(x2.shape) 

p的每个元素都是基于逻辑回归输出的布尔值。渲染的绘图如下所示

---

我的问题是，contourf函数如何知道根据布尔值的2D矩阵在何处绘制轮廓？（x2、y2只是numpy网格）我查阅了几次文档，但无法理解。

为了说明发生了什么，下面是一个使用两个第一特征（萼片长度和宽度）的示例iris数据集的一部分

首先，根据给定数据（黑色轮廓点）计算回归。然后，对于覆盖数据的网格的每个点，计算预测（网格中的小点）。请注意，给定值和预测值只是数字0、1和2。（在问题中，仅使用0和1。）

最后一步是使用这些网格点作为输入，搜索预测值相等的区域轮廓。因此，在值为0的栅格点和值为1的栅格点之间绘制。另一个介于值1和2之间。

contourf

用统一的颜色填充线条之间的区域

由于网格点和它们的预测在问题的情节中没有可视化，因此突然出现的轮廓更难理解

从matplotlib导入pyplot作为plt
将numpy作为np导入
从sklearn.dataset导入加载
从sklearn.linear_模型导入逻辑回归
十、 y=加载虹膜（返回X\U y=真）
X=X[：，：2]
clf=逻辑回归（随机状态=0）.拟合（X，y）
x2，y2=np.meshgrid（np.linspace（X[：，0].min（）-.5,X[：，0].max（）+.5,20），
np.linspace（X[：，1].min（）-.5,X[：，1].max（）+.5,20））
pred=clf.predict（np.c_x2.ravel（），y2.ravel（））
cmap=plt.get_cmap（'Set1'，3）
plt.scatter（x2.ravel（），y2.ravel（），c=pred，s=10，cmap=cmap，label='Prediction on grid'）
plt.scatter（X[：，0]，X[：，1]，c=y，s=50，cmap=cmap，ec='black'，label='给定值'）
plt.contourf（x2，y2，预整形（x2.shape），cmap=cmap，alpha=0.4，Level=2，zorder=0）
plt.图例（ncol=2，loc=“下中心”，bbox\U至\U锚=（0.5,1.01））
plt.show（）

PS:About

pred.reformate（x2.shape）

：

• x2

  和

  y2

  是给出每个网格点的x和y坐标的数组

  x2

  和

  y2

  被组织为2D数组，类似于它们所表示的网格（示例中为20x020）
• 但是，函数

  clf.predict

  需要其输入数组为1d。为此，我们使用了

  .ravel（）

  ：它只是从2d数组中生成一个长的1d数组。在本例中，

  ravel

  将20x20阵列转换为400的1d阵列

• pred=clf.predict的结果是一个对应的1d数组（400个元素）

• pred.reformate（x2.shape）

  将

  pred

  转换为与

  x2

  和

  y2

  相同的2d格式（同样是20x20）
• 请注意，

  scatter

  希望其参数为1d格式，它仅单独查看每个点<另一方面，code>contourf希望其参数为2d格式，因为它需要知道网格是如何组织的

---

是pred.reformate（x2.shape）参数，它包含关于哪个网格点具有什么值（0、1或2）的信息。这就是我最初混淆的地方。我更新了答案，动机是

重塑（x2.shape）

和

x2.ravel（）

。