Python 如何用3个特征可视化(3D)非线性SVM决策边界?
编写代码的过程:Python 如何用3个特征可视化(3D)非线性SVM决策边界?,python,svm,Python,Svm,编写代码的过程: 3个参数---->X1、X2、X3已定义 为每个参数生成15个正常随机数 将3个参数放入公式中(如:a=X1*X2-X3),并根据函数的正负结果进行分类(在示例a中,如果a0 y=1)(-1,1类) 使用SVM(rbf核)将它们分离 现在,我尝试使用plot\u decision\u regionsformmlxtend.plotting对3个特征和2个类的决策边界进行pot,但我得到了错误: 无法将输入数组从形状(15)广播到形状(2509056) 现在有没有人知道如何解决这
plot\u decision\u regions
formmlxtend.plotting
对3个特征和2个类的决策边界进行pot,但我得到了错误:
无法将输入数组从形状(15)广播到形状(2509056)
现在有没有人知道如何解决这个问题,并举一个相同情况的例子
plot_decision_regions(X_train, t, clf = svclassifier, hide_spines = False, colors = 'purple,limegreen', markers = ['x','o'],
filler_feature_values={0: X1[:,0], 1: X1[:,1], 2: X1[:,2]},
filler_feature_ranges={0: range1, 1: range1, 2:range1})
plt.title('Support Vector Machine')
对不起,我觉得很难读。你能不能像这个问题那样让你的文本更清晰?