ロジスティック回帰プロット非スケーリングされた値

Question

私は一般的にはPythonとプログラミングの初心者です。私はロジスティック回帰についてのクラスを取っています。以下のコードは正しく、比較的素敵（ないとても美しい、しかしOK）プロット：

# ------ LOGISTIC REGRESSION ------ # 

# --- Importing the Libraries --- # 

import numpy as np 
import matplotlib.pyplot as plt 
import pandas as pd 

from sklearn.model_selection import train_test_split 
from sklearn.preprocessing import StandardScaler 
from sklearn.linear_model import LogisticRegression 
from sklearn.metrics import confusion_matrix 
from matplotlib.colors import ListedColormap 

# --- Importing the Dataset --- # 

path = '/home/bohrz/Desktop/Programação/Machine Learning/Part 3 - ' \ 
     'Classification/Section 14 - Logistic Regression/Social_Network_Ads.csv' 
dataset = pd.read_csv(path) 
X = dataset.iloc[:, 2:4].values 
y = dataset.iloc[:, -1].values 

# --- Splitting the Dataset into Training and Test set --- # 

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, 
                random_state=0) 

# --- Feature Scaling --- # 

sc_X = StandardScaler() 
X_train = sc_X.fit_transform(X_train) 
X_test = sc_X.transform(X_test) 

# --- Fitting the Logistic Regression Model to the Dataset --- # 

classifier = LogisticRegression(random_state=0) 
classifier.fit(X_train, y_train) 

# --- Predicting the Test set results --- # 

y_pred = classifier.predict(X_test) 

# --- Making the Confusion Matrix --- # 

cm = confusion_matrix(y_test, y_pred) 

# --- Visualizing Logistic Regression results --- # 

# --- Visualizing the Training set results --- # 

X_set_train, y_set_train = X_train, y_train 
X1, X2 = np.meshgrid(np.arange(start=X_set_train[:, 0].min(), 
           stop=X_set_train[:, 0].max(), step=0.01), 
        np.arange(start=X_set_train[:, 1].min(), 
           stop=X_set_train[:, 1].max(), step=0.01)) 

# Building the graph contour based on classification method 
Z_train = np.array([X1.ravel(), X2.ravel()]).T 
plt.contourf(X1, X2, classifier.predict(Z_train).reshape(X1.shape), alpha=0.75, 
                 cmap=ListedColormap(
                  ('red', 'green'))) 

# Apply limits when outliers are present 
plt.xlim(X1.min(), X1.max()) 
plt.ylim(X2.min(), X2.max()) 

# Creating the scatter plot of the Training set results 
for i, j in enumerate(np.unique(y_set_train)): 
    plt.scatter(X_set_train[y_set_train == j, 0], X_set_train[y_set_train == j, 
                   1], 
       c=ListedColormap(('red', 'green'))(i), label=j) 

plt.title('Logistic Regression (Trainning set results)') 
plt.xlabel('Age') 
plt.ylabel('Estimated Salary') 
plt.legend() 
plt.show() 

私の質問です：どのように私はいないスケールで結果をプロットしますか？私は、コードに沿っていくつかの場所でinvert_transform（）メソッドを使用してみましたが、それは役に立たなかった。

ありがとうございます。

Answer 1

あなたの仕事は、スケーリングされたデータとスケールされていないデータを追跡することです。

コードを詳細に分析しないうちに、基本的な考え方は、スケーリングされた/スケーリングされていない値が使用されているかどうかを調べ、必要に応じて調整します。

• A：訓練の後、私たちはもうスケールXが必要なので、背中の
• Bすべてを変換することはできません。しかし、プロットの種類は、それ自体が作成されたいくつかのnp.mesh、上の分類器を使用しています非スケーリングされたデータであるため、再度トランスを使用する必要があります。
• C：メッシュベースのアプローチでは密なメッシュが作成されます。ステップサイズを維持しながら境界が変化すると、 〜メモリ消費量
  • これは実際に調整できます（元の値がどこから来たかわからない）。プロットは微妙な変化

を取得しますので、必要な変更は以下のとおりです。

A：

y_pred = classifier.predict(X_test) # YOUR CODE 
X_train = sc_X.inverse_transform(X_train) # transform back 
X_test = sc_X.inverse_transform(X_test) # """ 

C：

X1, X2 = np.meshgrid(np.arange(start=X_set_train[:, 0].min(), 
           stop=X_set_train[:, 0].max(), step=10.), #!!! 0.01), 
        np.arange(start=X_set_train[:, 1].min(), 
           stop=X_set_train[:, 1].max(), step=0.1)) #!!! 0.01)) 

B：

Z_train = np.array([X1.ravel(), X2.ravel()]).T 
plt.contourf(X1, X2, classifier.predict(sc_X.transform(Z_train)).reshape(X1.shape), # TRANFORM Z 
            alpha=0.75, 
            cmap=ListedColormap(
            ('red', 'green'))) 

オリジナルのプロットは、今、私たちは別の何かを参照して、エイリアス直線（細かい階段パターン）を表示しますが。私は興味のある読者のためにそれを開いたままにします（スケーリングに関連しています！）。