如何在 python 中绘制每个基分类器的 ADABoost 分类器决策边界？答案

【问题标题】：How can i plot the ADABoost Classifier decision boundary of each base classifiers in python?如何在 python 中绘制每个基分类器的 ADABoost 分类器决策边界？
【发布时间】：2021-03-23 18:18:52
【问题描述】：

我到处搜索，但找不到方法。我在代码中使用了 make_moons() 数据并运行逻辑回归模型。之后，我创建了具有 4 个基分类器的 ADABoost 分类器，并将逻辑回归模型用于基估计器。我的下一个任务是绘制每个基分类器的决策边界，输出应包括 4 个决策边界。如何绘制每个基分类器的决策边界？

到目前为止我的代码：

from sklearn import datasets
from sklearn.datasets import make_moons
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import AdaBoostClassifier


X, y = make_moons(n_samples=100, noise=0.2)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
logisticRegr = LogisticRegression()
logisticRegr.fit(X_train, y_train)
clf= AdaBoostClassifier(logisticRegr,n_estimators=4)
clf.fit(X, y)

【问题讨论】：

标签： python machine-learning scikit-learn data-mining adaboost

【解决方案1】：

拟合的AdaBoostClassifier（此处为clf）在属性estimators_ 中公开其拟合的基本估计器，并将其自身定义为可迭代的（source），因此您只需循环clf 即可获得基本估计量。然后你就可以用他们的决策方法来绘图了。

我之前碰巧用a notebook that did almost this 换成了CV.SE question；你或许可以从中获得一个好的开始。

【讨论】：