在Octave中繪制決策邊界線

Question

我一直在學習機器學習課程，目前正在學習分類。 我實現了分類算法，並獲得了參數以及成本。 該分配已經具有繪制決策邊界的功能，並且可以正常工作，但是我試圖讀取其代碼並且無法理解這些行。

plot_x = [min(X(:,2))-2,  max(X(:,2))+2]; 
% Calculate the decision boundary line
plot_y = (-1./theta(3)).*(theta(2).*plot_x + theta(1));

有人解釋嗎？

Answer 1

我也和你上同一門課。 我猜代碼的作用是在決策線上生成兩個點。

如您所知，您具有以下功能：

theta0 + theta1 * x1 + theta2 * x2 = 0

可以將其重寫為：

c + mx + ky = 0

其中x和y是對應於x1和x2的軸， c是theta(0)或y軸截距， m是斜率或theta(1) ， k是theta(2) 。

該方程式（ c + mx + ky = 0 ）對應於決策邊界，因此代碼正在尋找x （或x1 ）的兩個值，它們覆蓋了整個數據集（ plot_x min和max函數中的-2和+2），然后使用方程式找到對應的y （或x2 ）值。 最后，可以繪制決策邊界plot(plot_x, plot_y) 。

換句話說，它的作用是使用方程式生成兩個點以在圖形上繪制直線，這樣做的原因是Octave無法在給定方程式的情況下繪制直線。

希望這對您有所幫助，對於語法上的任何錯誤或不清楚的解釋^。^

---

重新排列方程式對我有幫助，因此在這里添加：

plot_y = -1/theta2 (theta1*plot_x + theta0)

請注意，Octave中的索引從1開始，而不是從0開始，因此theta(3) = theta2 ， theta(2) = theta1和theta(1) = theta0 。

此plot_y公式等效於：

c + mx + ky = 0             <=>
        -ky = mx + c        <=>
          y = -1/k (mx + c)