python - 绘制分类器的决策边界，ValueError : X has 2 features per sample; expecting 908430"

Question

基于 scikit-learn 文档 http://scikit-learn.org/stable/auto_examples/svm/plot_iris.html#sphx-glr-auto-examples-svm-plot-iris-py 。我尝试绘制分类器的决策边界，但它发送一条错误消息，调用“ValueError:X 每个样本有 2 个特征；期望 908430”，此代码“Z = clf.predict(np.c_[xx.ravel()” , yy.ravel()])"

clf = SGDClassifier().fit(step2, index)  
X=step2
y=index
h = .02
colors = "bry"
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                 np.arange(y_min, y_max, h))

Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])

# Put the result into a color plot
Z = Z.reshape(xx.shape)
plt.contourf(xx, yy, Z, cmap=plt.cm.Paired)
plt.axis('off')

# Plot also the training points
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Paired)

“索引”是一个标签，其中包含大约 [98579 X 1] 的评论标签，其中包括正面、自然和负面

array(['N', 'N', 'P', ..., 'NEU', 'P', 'N'], dtype=object)

“step2”是由 Countvectorizer 函数形成的 [98579 X 908430] numpy 矩阵，它是关于评论数据的

<98579x908430 sparse matrix of type '<type 'numpy.float64'>'
with 3168845 stored elements in Compressed Sparse Row format>

Answer 1

问题是您无法为非二维数据的分类器绘制决策边界。您的数据显然是高维的，它有 908430 个维度(我假设是 NLP 任务)。无法为此类模型绘制实际决策边界。您使用的示例是在二维数据(减少虹膜)上进行训练的，这是他们能够绘制它的唯一原因。