回答編集履歴

2

誤字修正

2022/04/05 12:42

投稿

8524ba23
8524ba23

スコア38341

test CHANGED
@@ -1,97 +1,49 @@
1
- そもなのですが散布図を描くためには4つの特徴量のうち2つを選ぶ必要があるのではないしょうか?
1
+ そもなのですが散布図を描くためには4つの特徴量のうち2つを選ぶ必要があるのではないしょうか?
2
-
3
2
  同様にガウス混合分類器も4つではなく2つの特徴量で訓練する必要があるかと思います。
4
3
 
5
-
6
-
7
4
  以下`sepal length (cm)`と`sepal width (cm)`で散布図と等高線図を描く例です。
8
-
9
5
  ```Python
10
6
 
11
-
12
-
13
7
  from sklearn.mixture import GaussianMixture
14
-
15
8
  from sklearn.datasets import load_iris
16
-
17
9
  import numpy as np
18
-
19
10
  import matplotlib.pyplot as plt
20
11
 
21
-
22
-
23
12
  data = load_iris()
24
-
25
13
  N_CLASS = len(data.target_names) # 3
26
-
27
14
  LEN_CLASS = len(data.target) // N_CLASS # 50
28
15
 
29
-
30
-
31
16
  vx,vy = 0,1 # 対象の2変数
32
-
33
17
  x_min, x_max = min(data.data[:,vx]), max(data.data[:,vx])
34
-
35
18
  y_min, y_max = min(data.data[:,vy]), max(data.data[:,vy])
36
19
 
37
-
38
-
39
20
  # 2変数で散布図を描画
40
-
41
21
  cs = []
42
-
43
22
  for c in 'rgb':
44
-
45
23
  cs += list(c*LEN_CLASS)
46
-
47
24
  plt.scatter(data.data[:,vx], data.data[:,vy], c=cs)
48
-
49
25
  plt.xlabel(data.feature_names[vx])
50
-
51
26
  plt.ylabel(data.feature_names[vy])
52
-
53
27
  plt.xlim(x_min, x_max)
54
-
55
28
  plt.ylim(y_min, y_max)
56
29
 
57
-
58
-
59
30
  # 散布図に合わせた2変数で訓練
60
-
61
31
  model = GaussianMixture(n_components=N_CLASS, random_state=3)
62
-
63
32
  model.fit(data.data[:,[vx,vy]])
64
33
 
65
-
66
-
67
34
  # 存在する範囲内で点群を生成
68
-
69
35
  N = 100
70
-
71
36
  x, y = np.meshgrid(np.linspace(x_min,x_max,N), np.linspace(y_min,y_max,N))
72
-
73
37
  X = np.array([x, y]).reshape(2, -1).T
74
-
75
38
  probs = model.predict_proba(X)
76
39
 
77
-
78
-
79
40
  # 等高線図を各クラス毎に描画
80
-
81
41
  cs = ['Reds', 'Greens', 'Blues'] # 散布図の色とは必ずしも対応しないことに注意
82
-
83
42
  assert len(cs) == N_CLASS
84
-
85
43
  for i in range(N_CLASS):
86
-
87
44
  plt.contourf(x, y, probs[:,i].reshape(N,N), cmap=cs[i], alpha=0.2)
88
-
89
45
  plt.xlim(x_min, x_max)
90
-
91
46
  plt.ylim(y_min, y_max)
92
-
93
47
  plt.show()
94
-
95
48
  ```
96
-
97
49
  ![イメージ説明](da564fce2c578bef066bf158e5cd66ac.png)

1

コード修正

2020/08/14 01:24

投稿

8524ba23
8524ba23

スコア38341

test CHANGED
@@ -7,6 +7,8 @@
7
7
  以下`sepal length (cm)`と`sepal width (cm)`で散布図と等高線図を描く例です。
8
8
 
9
9
  ```Python
10
+
11
+
10
12
 
11
13
  from sklearn.mixture import GaussianMixture
12
14
 
@@ -26,6 +28,14 @@
26
28
 
27
29
 
28
30
 
31
+ vx,vy = 0,1 # 対象の2変数
32
+
33
+ x_min, x_max = min(data.data[:,vx]), max(data.data[:,vx])
34
+
35
+ y_min, y_max = min(data.data[:,vy]), max(data.data[:,vy])
36
+
37
+
38
+
29
39
  # 2変数で散布図を描画
30
40
 
31
41
  cs = []
@@ -34,15 +44,15 @@
34
44
 
35
45
  cs += list(c*LEN_CLASS)
36
46
 
37
- plt.scatter(data.data[:,0], data.data[:,1], c=cs)
47
+ plt.scatter(data.data[:,vx], data.data[:,vy], c=cs)
38
48
 
39
- plt.xlabel(data.feature_names[0])
49
+ plt.xlabel(data.feature_names[vx])
40
50
 
41
- plt.ylabel(data.feature_names[1])
51
+ plt.ylabel(data.feature_names[vy])
42
52
 
43
- plt.xlim(4,9)
53
+ plt.xlim(x_min, x_max)
44
54
 
45
- plt.ylim(1,5)
55
+ plt.ylim(y_min, y_max)
46
56
 
47
57
 
48
58
 
@@ -50,7 +60,7 @@
50
60
 
51
61
  model = GaussianMixture(n_components=N_CLASS, random_state=3)
52
62
 
53
- model.fit(data.data[:,:2])
63
+ model.fit(data.data[:,[vx,vy]])
54
64
 
55
65
 
56
66
 
@@ -58,7 +68,7 @@
58
68
 
59
69
  N = 100
60
70
 
61
- x, y = np.meshgrid(np.linspace(4,9,N), np.linspace(1,5,N))
71
+ x, y = np.meshgrid(np.linspace(x_min,x_max,N), np.linspace(y_min,y_max,N))
62
72
 
63
73
  X = np.array([x, y]).reshape(2, -1).T
64
74
 
@@ -76,12 +86,12 @@
76
86
 
77
87
  plt.contourf(x, y, probs[:,i].reshape(N,N), cmap=cs[i], alpha=0.2)
78
88
 
79
- plt.xlim(4,9)
89
+ plt.xlim(x_min, x_max)
80
90
 
81
- plt.ylim(1,5)
91
+ plt.ylim(y_min, y_max)
82
92
 
83
93
  plt.show()
84
94
 
85
95
  ```
86
96
 
87
- ![イメージ説明](8a3a787cfeca4324c1ceb7376cb309cc.png)
97
+ ![イメージ説明](da564fce2c578bef066bf158e5cd66ac.png)