如何基於Python中回歸的theta在散點圖上繪制線？

Question

我正在像這樣計算我的AI的theta：

theta = opt.fmin_cg(cost, initial_theta, gradient, (newX, y))

哪個很棒，並給我以下輸出：

Optimization terminated successfully.
         Current function value: 0.684355
         Iterations: 6
         Function evaluations: 15
         Gradient evaluations: 15

當我打印theta時，我得到了：

[ 0.         -0.28132729  0.158859  ]

現在，我想在散點圖上將其繪制為一條線，我的預期輸出如下所示：

但是當我嘗試使用算法在圖形上執行此操作時：

weights * features = weight0 + weight1 * feature1 + weight2 * feature2

像這樣：

x_axis = np.array([min(newX[:, 1]), max(newX[:, 1])])
y_axis = x_axis * theta[1:]
ax.plot(x_axis, y_axis, linewidth=2)
plt.show()

輸出看起來像這樣：

y_axis = x_axis * theta[1:]應該與算法匹配什么？

更新：

newX源自我的訓練數據框架，其創建方式如下：

newX = np.zeros(shape=(x.shape[0], x.shape[1] + 1))
newX[:, 1:] = x.values

現在看起來像這樣，概念是0是自由重量：

[[0. 8. 2.]
 [0. 0. 0.]
 [0. 0. 0.]
 ...
 [0. 0. 0.]
 [0. 0. 0.]
 [0. 1. 1.]]

Answer 1

IIUC，您正在嘗試為Logistic回歸繪制決策邊界。 這不僅是ay = mx + b問題，還好，但是您首先需要確定決策邊界在哪里，通常為0.5。 我假設您要使用的模型看起來像h(x) = g(theta_0*x_0 + theta_1*x_1 + theta_2*x_2) ，其中g(x) = 1 / (1 + e^-x)和x_1以及x_2是您要繪制的要素，即y和x軸（我不知道哪個是y，哪個是x，因為我不知道您的數據）。 因此，對於概率0.5，您要求解h(x) = 0.5 ，即theta_0*x_0 + theta_1*x_1 + theta_2*x_2 = 0

因此，您要繪制的是直線0 = theta_0*x_0 + theta_1*x_1 + theta_2*x_2 。 假設您在x軸上有x_1 ，在y軸上有x_2 。 （ x_0只是1 ，對應於您的攔截theta_0 。）

因此，您需要選擇（任意選擇） x_1值，這些值將為您很好地說明邊界線。 數據集的最小/最大工作量已經完成。 然后根據上述公式求解x_2 。 您可以在此處定義函數： lambda x_1: (theta[0] + theta[1] * x_1) / theta[2] 。 我假設您的theta變量對應於[intercept, coeff for x_1, coeff for x_2] 。 因此，您將得到類似以下內容的結果：

theta = [0., -0.28132729, 0.158859]
x = np.array([0, 10])
f = lambda x_1: (theta[0] + theta[1] * x_1) / theta[2]
y = f(x)
plt.plot(x, y)