这是可视化SVM决策边界的代码。 我无法发现错误。 请看一看

Question

**注意：变量x包含5个维度的特征向量的30个元组。 这些x的值被传输到x_train.x可以想象为x = [[1.0，2.0，3,0，4.0，5.0]，[11.0，12.0，13.0，14.0，15.0]，[21.0， 22.0，23.0，24.0，25,0]，.. .. ..]和y =标签= [1,1,1、2、2、2、3、3、3 ...]我希望应用PCA在x上缩小为二维，然后绘制决策边界。 我能够绘制点，但无法绘制到决策边界**

x_train = x 
y_train =labels 
pca = PCA(n_components=2).fit(x_train) 
pca_2d = pca.transform(x_train)
clf = svm.SVC(kernel='linear',C = 3)
clf.fit(pca_2d, y_train)
for i in range(1, pca_2d.shape[0]):
    if y_train[i] == 1:
     c1 = pl.scatter(pca_2d[i,0],pca_2d[i,1],c='r',    s=50,marker='+')
    elif y_train[i] == 2:
     c2 = pl.scatter(pca_2d[i,0],pca_2d[i,1],c='r',    s=50,marker='.')
    elif y_train[i] == 3:
     c3 = pl.scatter(pca_2d[i,0],pca_2d[i,1],c='r',    s=50,marker=',')
    elif y_train[i] == 4:
     c4 = pl.scatter(pca_2d[i,0],pca_2d[i,1],c='r',    s=50,marker='^')
    elif y_train[i] == 5:
     c5 = pl.scatter(pca_2d[i,0],pca_2d[i,1],c='r',    s=50,marker='v')
    elif y_train[i] == 6:

    x_min, x_max = pca_2d[:, 0].min() - 1,   pca_2d[:,0].max() + 1
    y_min, y_max = pca_2d[:, 1].min() - 1,   pca_2d[:, 1].max() + 1

    xx, yy = np.meshgrid(np.arange(x_min, x_max,  .01),np.arange(y_min,y_max, .01))  
    #************ ERROR ******#
    Z = clf.predict(np.c_[xx.ravel(),  yy.ravel()]) 
    #************ ERROR ******#
    Z = Z.reshape(xx.shape)
    plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8)
    pl.title('Support Vector Machine Decision Surface')
    pl.axis('off')
    pl.show()





##  The error shown is :
    Traceback (most recent call last):
    File "D:\New folder_previous.2 - Copy.right\main_pos.py", line 354, in   <module>
    Z = clf.predict(np.c_[xx.ravel(),  yy.ravel()])
    File "C:\Python27\lib\site-packages\numpy\lib\index_tricks.py", line   338, in __getitem__
    res = _nx.concatenate(tuple(objs), axis=self.axis)
    MemoryError

Answer 1

该错误是很直截了当的，您正在尝试分配过多的内存。 使用大于0.1的步长，调查矩阵的大小，可能您在xx，yy中生成了很大的一个。 此外-为什么循环中的所有内容都围绕样本？ 您似乎打了30次电话，这似乎不太合理。