在scikit-learn教程中可視化支持向量機的參數

Question

我正在遵循一個受歡迎的教程 here，其中我試圖嘗試使用支持向量機的rbf內核參數gamma和C的效果在sci-kit學習。

對於上述教程，我有點困惑，什麼這部分的代碼的目的是做我們：

# dataset for decision function visualization 
X_2d = X[:, :2] 
X_2d = X_2d[Y > 0] 
Y_2d = Y[Y > 0] 
Y_2d -= 1 

我假設我們進行子集原始數據（來自虹膜數據集），但是
爲什麼我們首先需要這樣做？爲什麼X_2d = X[:, :2]是一個元組的參數？

如果有人熟悉本教程，並已事先弄清楚了這一點，在此先感謝。

Answer 1

該部分代碼用於可視化 - 第一個散點分佈圖，顯示了決策表面如何隨着不同的訓練參數而變化。基本上它只創建一個只有兩個特徵和兩個類的較小數據集。

X_2d = X[:, :2]意味着X_2d是隻包含前兩個特徵的數據集，因此每個點都可以方便地繪製（如何繪製4D點？）。

接下來的三行過濾掉標籤爲0的樣本，這樣較小的數據集只包含兩個標籤。它還將標籤重命名爲0或1.