3.1 机器学习中的判别分析示意图

判别分析就是根据训练样本建立判别函数，借助判别函数对给定的新样本数据做出类别归属的分类预测方法，是机器学习中的经典分类预测方法。同样，我们会通过判别函数对给定的一组新样本做出分类归属的决策。因此，将分类归属结果以可视化形式进行展示就显得特别有意义和重要。下面，我们就通过具体代码来讲解判别分析的分类归属预测的可视化方法。

1.代码实现

2.运行结果（见图3-1）

图3-1

3.代码精讲

（1）制造新样本数据sample，样本数据中含有两个影响因素var1和var2。

（2）将判别函数“df=2*var1+var2”的取值与阈值“td=12”进行比较，从而判断每个样本点的分类归属。

注意：

要想将判别结果有效地展示出来，需要使用函数masked_where（）进行数据掩饰，进而利用可视化手段将判别后的数据归属有效地展示出来。

函数masked_where（）是NumPy包中的ma包的函数，调用方法是numpy.ma.masked_where（）。函数masked_where（）的调用签名是masked_where（condition，a），其中各参数的含义如下。

● condition：对数组中的数据进行掩饰需要满足的条件。

● a：进行数据掩饰的数组。

因此，当参数condition的条件被满足后，就会将数组中相应元素位置的判断结果是“True”的数据进行掩饰。数组中被掩饰的数据依然保留在数组中，只是以“--”形式展示数组中被掩饰的元素，其他不满足条件的元素还以原始数据形式存储在数组中。

（3）通过调用“ax.scatter（var1，var2，s=cates11*50，marker="s"，c=cates11）”和“ax.scatter（var1，var2，s=cates21*50，marker="o"，c=cates21）”语句，将进行数据掩饰后的数组分别作为参数s和c的参数值，从而实现新样本sample的判别结果的有效展示。

（4）通过调用实例方法plot（）绘制判别函数曲线，同时，调整曲线的透明度。