我将从以下堆栈溢出问题借用图像帮我说明我的问题: Drawing decision boundary of two multivariate gaussian图纸决策边界
我有2个教学班,2D点,我感兴趣的是决策边界(或判别式)。
我写了函数返回判别函数的结果(一个浮点值),允许我将样本分类为这两种模式。
如果一个采样点是例如X_I = [X,Y]
我可以调用函数 和
如果g1(x,y) > g2(x,y)
它的类1,反之亦然,如果
g1(x,y) <= g2(x,y)
这2类
所以决策边界应该在g1(x,y) == g2(x,y)
编辑:
希望这样的例子是有帮助的:
1)假设我取1个样品x = [1, 2]
从数据集
2)然后,我将调用例如
g1(1,2)
- >返回0.345
g2(1,2)
- >返回0.453
- >样本x属于类别2,由于g2(1,2) > g1(1,2)
3)现在用于判定边界,我有g2(x,y) == g1(x,y)
,
或
g1(x,y) - g2(x,y)
== 0
4)我生成的范围为x
值,例如,1,2,3,4,5
,现在我想 找到相应的y
值是产生g1(x,y) - g2(x,y) == 0
5),那么我可以用这些x,y
双绘制决策边界
在StackOverflow上帖子,我上面链接,建议将
你可以简单地绘制轮廓线的f(x,y):= pdf1(x,y)> pdf2(x,y)。所以你定义函数f为1 iff pdf1(x,y)> pdf2(x,y)。 通过这种方式,唯一的轮廓将被放置在沿着曲线,其中 pdf1(x,y)== pdf2(x,y)是决策边界(判别式)。如果 您想定义“nice”函数,您可以简单地通过设置 f(x,y)= sgn(pdf1(x,y) - pdf2(x,y)),并绘制其等值线图 完全相同的判别式。
但我怎么会在Python和matplotlib中做到这一点,我真的失去了设置代码来做到这一点。我很感激任何帮助!
编辑:
一点点更多功能g()
本身:
def discr_func(x, y, cov_mat, mu_vec):
"""
Calculates the value of the discriminant function for a dx1 dimensional
sample given covariance matrix and mean vector.
Keyword arguments:
x_vec: A dx1 dimensional numpy array representing the sample.
cov_mat: dxd numpy array of the covariance matrix.
mu_vec: dx1 dimensional numpy array of the sample mean.
Returns a float value as result of the discriminant function.
"""
x_vec = np.array([[x],[y]])
W_i = (-1/2) * np.linalg.inv(cov_mat)
assert(W_i.shape[0] > 1 and W_i.shape[1] > 1), 'W_i must be a matrix'
w_i = np.linalg.inv(cov_mat).dot(mu_vec)
assert(w_i.shape[0] > 1 and w_i.shape[1] == 1), 'w_i must be a column vector'
omega_i_p1 = (((-1/2) * (mu_vec).T).dot(np.linalg.inv(cov_mat))).dot(mu_vec)
omega_i_p2 = (-1/2) * np.log(np.linalg.det(cov_mat))
omega_i = omega_i_p1 - omega_i_p2
assert(omega_i.shape == (1, 1)), 'omega_i must be a scalar'
g = ((x_vec.T).dot(W_i)).dot(x_vec) + (w_i.T).dot(x_vec) + omega_i
return float(g)
当我执行它,它会返回一个浮点数,例如,
discr_func(1, 2, cov_mat=cov_est_1, mu_vec=mu_est_1)
-3.726426544537969
如果我没有犯错,应该是这个equat离子:
谢谢你很多关于与轮廓的建议,不过,我已经实现它的问题:
import pylab as pl
X, Y = np.mgrid[-6:6:100j, -6:6:100j]
x = X.ravel()
y = Y.ravel()
p = (discr_func(x, y, cov_mat=cov_est_1, mu_vec=mu_est_1) -\
discr_func(x, y, cov_mat=cov_est_2, mu_vec=mu_est_2)).reshape(X.shape)
#pl.scatter(X_train[:, 0], X_train[:, 1])
pl.contour(X, Y, p, levels=[0])
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-192-28c1c8787237> in <module>()
5 y = Y.ravel()
6
----> 7 p = (discr_func(x, y, cov_mat=cov_est_1, mu_vec=mu_est_1) - discr_func(x, y, cov_mat=cov_est_2, mu_vec=mu_est_2)).reshape(X.shape)
8
9 #pl.scatter(X_train[:, 0], X_train[:, 1])
<ipython-input-184-fd2f8b7fad82> in discr_func(x, y, cov_mat, mu_vec)
25 assert(omega_i.shape == (1, 1)), 'omega_i must be a scalar'
26
---> 27 g = ((x_vec.T).dot(W_i)).dot(x_vec) + (w_i.T).dot(x_vec) + omega_i
28 return float(g)
ValueError: objects are not aligned
我的感觉是,.ravel()
列表的传球不如何工作我设置了这个功能......有什么建议吗?
您discr_func功能不能用一个呼叫计算网格上的所有值。所以你需要一个for循环来为网格上的每个点调用discr_func。 – HYRY