python机器学习求解答

Question

使用Python生成3个类别的随机样本数据（2维数据）
使用线性分类器进行分类

效果要实现类似于这种

应该怎么实现啊

Answer 1

以下回答参考 皆我百晓生、券券喵儿 等免费微信小程序相关内容作答，并由本人整理回复。

这是一个简单的例子，我们将使用Python的Scikit-Learn库来实现这个任务。首先，我们需要导入所需的库和模块：

import numpy as np
from sklearn import datasets, linear_model
from sklearn.model_selection import train_test_split

然后，我们可以加载一些鸢尾花的数据集，并将其划分为训练集和测试集：

iris = datasets.load_iris()
X = iris.data[:, :2]  # 我们只使用前两个特征
y = iris.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

接下来，我们创建一个线性回归模型，并使用训练数据对其进行拟合：

model = linear_model.LinearRegression()
model.fit(X_train, y_train)

最后，我们可以使用模型对测试数据进行预测，并计算出评估指标：

y_pred = model.predict(X_test)

# 计算均方误差(MSE)作为评估指标
mse = np.mean((y_pred - y_test) ** 2)
print(f'Mean Squared Error: {mse}')

现在，你可以看到MSE的结果了。如果你想要在图像中可视化结果，可以使用matplotlib库：

import matplotlib.pyplot as plt

plt.scatter(X_test[:, 0], X_test[:, 1], c=y_test, s=50, cmap='viridis')
plt.plot(X_test[:, 0], X_test[:, 1], 'r-', lw=4)
plt.show()

这将显示每个点及其对应的类别标签。

注意：在这个示例中，我们只是简单地绘制了数据点以及它们的类别标签。如果要更精确地可视化，你可能需要使用不同的图表类型或添加额外的属性。