决策边界

首页课程实战体系课手记专栏慕课教程

决策边界

来源：3-7 芯片检测实战

ITMOCC

2021-02-09

老师，您好。我对数据进行了train_test_split后再预测,发现准确率比较低，为了提高准确率，我依次进行了PolynomialFeatures(degree=2)，StandardScaler()，LogisticRegression()的操作，最后准确率达到了0.9。但在绘制决策边界时出现了图片中的情况。去除了StandardScaler()这一步能够得到正常的决策边界。但是准确率只有0.67。请问如果要保留StandardScaler()，应该怎样绘制出正常的决策边界？图片描述

写回答

2回答

ITMOCC

ITMOCC

提问者

2021-02-10

//img.mukewang.com/szimg/602344280926185411340768.jpg

我的代码。

0

0

flare_zhao

flare_zhao

2021-02-09

那你画边界的时候需要对数据进行还原，因为你已经进行了一次标准化处理，然后你画边界的时候，这个数据就和原始数据不是同一个数据了，所以要进行还原才能画

0

2

flare_zhao

回复

ITMOCC

肯定是要还原的，不然的话你没法和原始数据对应起来。还原的方法：inverse_transform(X[, copy])Scale back the data to the original representation。你可以查一下standardscaler地使用方法介绍

2021-02-10

共2条回复

Python3入门人工智能掌握机器学习+深度学习

人工智能基础全方位讲解，构建完整人工智能知识体系，带你入门AI

1952 学习 · 596 问题

相似问题

逻辑回归边界函数曲线的X1和X2的疑问

回答 1

决策树属性

回答 1

决策树模型如何预测单条数据

回答 1

边界函数如何划定

回答 1

一阶边界函数和二阶边界函数都是规定好的吗

回答 1

打开慕课网App查看更多内容