如何使用sklearn获得线性判别分析中的边界线方程

Question

我使用 sklearn 的 LinearDiscriminantAnalysis 分类器将一些数据分为 2 类，效果很好，所以我这样做了：

from sklearn.cross_validation import train_test_split
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA

x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25) # 25% of the dataset are not used for the training
clf = LDA()
clf.fit(x_train, y_train)

然后我设法用它进行预测，这很好。

但是，所有这些都在 ipython 笔记本中，我想在其他地方使用分类器。我已经看到了使用 pickles 和 joblib 的可能性，但是由于我只有 2 个组和 2 个功能，所以我认为我可以 just 得到边界线的方程，然后检查是否给定点在线上方或下方以判断它属于哪个组。

据我了解，这条线与投影线正交，并通过集群平均值的平均值。我想我用np.mean(clf.means_, axis=0) 得到了集群的意思。

但在这里我被困在如何使用 clf.coef_、clf.intercept_ 等所有属性来找到投影线的方程。

所以，我的问题是如何在给定分类器的情况下获得边界线方程。

也有可能是我没有正确理解 LDA，我很高兴有更多的解释。

谢谢

Answer 1

决策边界是简单的线

np.dot(clf.coef_, x) - clf.intercept_ = 0

（直到截距的符号，取决于实现可能会翻转）因为这是决策函数的符号翻转的地方。