Python 如何从k近邻中提取边界值 如何仅从.predict中提取或返回边界值 MRE 将熊猫作为pd导入 将numpy作为np导入 从sklearn.dataset导入加载 从sklearn.neighbors导入KNeighborsClassifier 导入seaborn作为sns 将matplotlib.pyplot作为plt导入 从matplotlib.colors导入ListedColormap #准备数据 iris=加载_iris（） X=iris.data y=iris.target df=pd.DataFrame（X，columns=iris.feature\u名称） df['label']=y 物种地图=dict（zip（范围（3），鸢尾。目标名称）） df['species']=df.label.map（物种地图） df=df.reindex（[‘萼片长度（cm）’，‘萼片宽度（cm）’，‘花瓣长度（cm）’，‘花瓣宽度（cm）’，‘品种’，‘标签’]，轴=1） #实例化模型 knn=Kneighbors分类器（n_=6） #预测“花瓣长度（cm）”和“花瓣宽度（cm）” knn.fit（测向iloc[：，2:4]，测向标签） h=.02#网格中的步长 #为等高线图创建颜色贴图 cmap_light=ListedColormap（列表（sns.color_调色板（'pastel'，n_colors=3））） #绘制决策边界。 #为此，我们将为网格中的每个点[x_min，x_max]x[y_min，y_max]指定一种颜色。 x_min，x_max=df['petal length（cm）]。min（）-1，df['petal length（cm）]。max（）+1 y_min，y_max=df['花瓣宽度（cm）]。min（）-1，df['花瓣宽度（cm）]。max（）+1 xx，yy=np.meshgrid（np.arange（x_min，x_max，h），np.arange（y_min，y_max，h）） Z=knn.predict（np.c_uuxx.ravel（），yy.ravel（））。重塑（xx.shape） #创建绘图 图，ax=plt.子批次（） #添加数据点 sns.散点图（数据=df，x='花瓣长度（厘米）'，y='花瓣宽度（厘米）'，色调='物种'，ax=ax，边缘颜色='k'） #在地图上添加决策边界计数 最大轮廓f（xx，yy，Z，cmap=cmap_光，α=0.4） #传奇 lgd=plt.图例（bbox\u至\u锚定=（1.05,1），位置=左上角'） plt.show（） 结果图

期望图

• 不是颜色或样式，只是它只有决策边界和数据点

资源

所以这个问题不能回答问题

• • 这显示了如何在不填充绘图的情况下绘制决策边界，但没有一个答案显示了如何提取决策边界值。

    • plt.轮廓（xx，yy，Z，cmap=plt.cm.成对）

自我回答

• 我已经提供了一个解决方案，但我不确定这是否是最好的解决方案。我当然愿意接受其他选择
• 也就是说，我不想要一个在

  tourtf

  或

  pcolormesh

  绘图中着色的解决方案
• 最好的解决方案将简洁地只提取决策边界值
• 这是我提出的一个解决方案，它沿

  Z

  的两个轴使用

  .predict

  结果。这个想法是，每当结果发生变化时，这就是一个决策边界。
  • 使用

    .diff

    从自身减去

    Z

    ，移位1
  • 使用

    np.diff（Z）！=0

  • 使用

    mask

    从

    xx

    和

    yy

• 使用OP中的现有代码

#使用diff创建遮罩
遮罩=np.diff（Z，轴=1）！=0
mask2=np.diff（Z，轴=0）！=0
#在xx和yy上涂上口罩
xd=np.concatenate（（xx[：，1:[mask]，xx[1:，：][mask2]））
yd=np.concatenate（（yy[：，1:[mask]，yy[1:，：][mask2]））
#仅绘制决策边界
图，ax=plt.子批次（）
散点图（x=xd，y=yd，color='k'，edgecolor='k'，s=5，ax=ax，label='decision boundary'）
plt.show（）

fig，ax=plt.subplot（）
sns.散点图（数据=df，x='花瓣长度（厘米）'，y='花瓣宽度（厘米）'，色调='物种'，ax=ax，边缘颜色='k'）
散点图（x=xd，y=yd，color='k'，edgecolor='k'，s=5，ax=ax，label='decision boundary'）
lgd=plt.图例（bbox\u至\u锚定=（1.05,1），位置=左上角'）

xd

和

yd

正确覆盖

plt.contourf