我试图为高斯朴素贝叶斯分类器绘制决策面。不过,我在训练分类器方面似乎有点问题。我对机器学习也很陌生。在
首先我生成100个随机点,其中一半有不同的坐标和标签。在
for i in range(50):
point1.append([np.random.randint(50,80),np.random.randint(50,80)])
point1L.append(1)
for i in range(50):
point2.append([np.random.randint(10,40),np.random.randint(10,70)])
point2L.append(0)
然后我训练它。在
^{pr2}$然后我遇到了一个问题。我这里的分类器似乎无法区分这两点。在
print(clf.predict([np.random.randint(50,80),np.random.randint(50,80)]))
print(clf.predict([np.random.randint(10,40),np.random.randint(10,70)]))
我得到的结果似乎总是:
[0]
[0]
我做错了什么,我该怎么解决?在
分级机如果不从分级机本身判断,我也会从分级机的分界点来判断。在
fit()
方法只能调用一次。您将调用fit
方法两次,一次用于point1
,另一次用于point2
。因此,当您再次为point2
调用fit()
时,估计器会重置自身并只为point2L
训练,即0。这就是为什么你的预测总是0。 首先将point1
和point2
组合成一个新的矩阵(与标签相同),然后在新矩阵上调用fit
方法。在相关问题 更多 >
编程相关推荐