تصنيف أقرب مركز#

استخدام عينة لتصنيف أقرب مركز. سيقوم برسم حدود القرار لكل فئة.

  • تصنيف من 3 فئات (shrink_threshold=None)
  • تصنيف من 3 فئات (shrink_threshold=0.2)
None 0.8133333333333334
0.2 0.82

# المؤلفون: مطوري سكايلرن
# معرف الترخيص: BSD-3-Clause

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import ListedColormap

from sklearn import datasets
from sklearn.inspection import DecisionBoundaryDisplay
from sklearn.neighbors import NearestCentroid

# استيراد بعض البيانات للتجربة
iris = datasets.load_iris()
# نأخذ فقط أول ميزتين. يمكننا تجنب هذا التقطيع غير المناسب
# باستخدام مجموعة بيانات ثنائية الأبعاد
X = iris.data[:, :2]
y = iris.target

# إنشاء خرائط الألوان
cmap_light = ListedColormap(["orange", "cyan", "cornflowerblue"])
cmap_bold = ListedColormap(["darkorange", "c", "darkblue"])

for shrinkage in [None, 0.2]:
    # ننشئ مثالاً لتصنيف أقرب مركز ونقوم بضبط البيانات.
    clf = NearestCentroid(shrink_threshold=shrinkage)
    clf.fit(X, y)
    y_pred = clf.predict(X)
    print(shrinkage, np.mean(y == y_pred))

    _, ax = plt.subplots()
    DecisionBoundaryDisplay.from_estimator(
        clf, X, cmap=cmap_light, ax=ax, response_method="predict"
    )

    # رسم نقاط التدريب أيضًا
    plt.scatter(X[:, 0], X[:, 1], c=y, cmap=cmap_bold, edgecolor="k", s=20)
    plt.title("تصنيف من 3 فئات (shrink_threshold=%r)" % shrinkage)
    plt.axis("tight")

plt.show()

Total running time of the script: (0 minutes 0.205 seconds)

Related examples

مقارنة أقرب الجيران مع وبدون تحليل مكونات الحي

مقارنة أقرب الجيران مع وبدون تحليل مكونات الحي

SVM مع نواة مخصصة

SVM مع نواة مخصصة

رسم سطح القرار لأشجار القرار المدربة على مجموعة بيانات الزهرة الآرغوانية

رسم سطح القرار لأشجار القرار المدربة على مجموعة بيانات الزهرة الآرغوانية

رسم متعدد الفئات SGD على مجموعة بيانات الزهرة

رسم متعدد الفئات SGD على مجموعة بيانات الزهرة

Gallery generated by Sphinx-Gallery