利用训练数据建立一个简单的分类器
在机器学习领域中，分类指的是利用数据的特性将其分成若干类型的过程。分类器则可以是实现分类功能的任意算法，最简单的分类器就是简单的数字函数。在真实世界中，分类器可以是非常复杂的形式。在学习过程中，可以看到二元（binary）分类器，将数据分成两大类，也可以看到多元（multicast）分类器，将数据分成两个以上的类型。解决分类问题的数据手段都倾向于解决二元分类问题，可以通过不同的形式对其进行扩展，解决多元分类问题。
创建步骤
（1）导入相应的程序包同时创建一些样本数据：
import numpy as np
import matplotlib.pyplot as plt
X = np.array([[3,1],[2,5],[1,8],[6,4],[5,2],[3,5],[4,7],[4,-1]])
（2）为数据分配一些标记：
y = [0,1,1,0,0,1,1,0]
（3）因为只有两个类所以y列表包含-1和1.一般情况下，如果有n个类，那么y的取值范围就是从0到n-1。这里我们分两个类；
class_0 = np.array([X[i] for i in range(len(X)) if y[i]==-1])
class_1 = np.array([X[i] for i in range(len(X)) if y[i]==1])
(4)为了直观的认识分类，我们将图像画出来：
plt.figure()
plt.scatter(class_0[:,0],class_0[:,1],color ='black',marker='s')
plt.scatter(class_1[:,0],class_1[:,1],color = 'black',marker='x')
plt.show()
这是一个散点图（scatter plot），这里我们用，方块和叉表示两类数据。其中maker参数表示显示的形状，其中s代表square正方形，x代表x号。
import numpy as np ##导入numnp包
import matplotlib.pyplot as plt ##导入matplotlib.pyplot包
#创建样本数据
X = np.array([[3,1],[2,5],[1,8],[6,4],[5,2],[3,5],[4,7],[4,-1]])
#为样本数据分配标记
y = [0,1,1,0,0,1,1,0]
#按照类型标记将样本数据分成两大类
class_0 = np.array([X[i] for i in range(len(X)) if y[i]==0])
class_1 = np.array([X[i] for i in range(len(X)) if y[i]==1])
#画出图像
plt.figure()
plt.scatter(class_0[:,0],class_0[:,1],color ='black',marker='s')
plt.scatter(class_1[:,0],class_1[:,1],color = 'black',marker='x')
plt.show()
运行结果图：
（5）在原基础上添加直线方程展示不同类型，创建y=x该一次函数
import numpy as np
import matplotlib.pyplot as plt
X = np.array([[3,1],[2,5],[1,8],[6,4],[5,2],[3,5],[4,7],[4,-1]])
#为点分配标记
y = [-1,1,1,-1,-1,1,1,-1]
class_0 = np.array([X[i] for i in range(len(X)) if y[i]==-1])
class_1 = np.array([X[i] for i in range(len(X)) if y[i]==1])
#利用数学公式y=x 创建一条直线
line_x = range(10) #设定定义域范围x∈[0，9]
line_y = line_x #设定y=x
plt.figure()
plt.scatter(class_0[:,0],class_0[:,1],color ='black',marker='s')
plt.scatter(class_1[:,0],class_1[:,1],color = 'black',marker='x')
plt.plot(line_x,line_y,color = 'blue',linewidth=2) #设置直线的颜色和宽度
plt.title("Test 2") #给图像添加标题
plt.text(4,4,"y=x",color='red')
plt.show()
运行结果图：
附：Python–matplotlib绘图可视化知识点整理