可视化多输出决策树回归边界

问题描述

我正试图绘制受过训练的决策树回归器的决策边界，如sklearn示例（https://scikit-learn.org/stable/auto_examples/tree/plot_iris_dtc.html#sphx-glr-auto-examples-tree-plot-iris-dtc-py）所示

x_min,x_max = X[:,0].min() - 0.25,X[:,0].max() + 0.25
y_min,y_max = X[:,1].min() - 0.25,1].max() + 0.25
xx,yy = np.meshgrid(np.arange(x_min,x_max,plot_step),np.arange(y_min,y_max,plot_step))
plt.tight_layout(h_pad=0.5,w_pad=0.5,pad=2.5)

Z = regr.predict(np.c_[xx.ravel(),yy.ravel()])
Z = Z.reshape(xx.shape)
cs = plt.contourf(xx,yy,Z,cmap=plt.cm.RdYlBu)

我面临的问题是我的预测输出（Z）是二维的，因此我的值是plt.contourf（）对Z的期望值的两倍。

ValueError: cannot reshape array of size 78408 into shape (198,198)

我尝试过的是每隔两行Z绘制一次，然后绘制-可以正常工作-但会导致边界图的可读性不高（我认为是“正确的”）。

关于如何使绘图正确工作的任何想法？谢谢！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）