Scikit-learn示例图表图例缺失标记问题咨询

问题核心：示例代码中通过DecisionBoundaryDisplay生成的决策边界，直接将其surface_.collections[0]传入plt.legend()时，图例只会显示文字，无法渲染对应线条的颜色和样式标记。这是因为contour方法生成的是ContourCollection对象，matplotlib的图例组件无法自动将其识别为可展示的线条元素。

解决方案：手动创建自定义图例条目 #

通过matplotlib.lines.Line2D手动构建图例所需的线条对象，明确指定颜色、线型等属性，确保图例能正确显示对应标记。

修改后的完整代码如下：

import matplotlib.pyplot as plt
from matplotlib.lines import Line2D
from sklearn import svm
from sklearn.datasets import make_blobs
from sklearn.inspection import DecisionBoundaryDisplay

# 生成数据集
n_samples_1 = 1000
n_samples_2 = 100
centers = [[0.0, 0.0], [2.0, 2.0]]
clusters_std = [1.5, 0.5]
X, y = make_blobs(
    n_samples=[n_samples_1, n_samples_2],
    centers=centers,
    cluster_std=clusters_std,
    random_state=0,
    shuffle=False,
)

# 训练模型
clf = svm.SVC(kernel="linear", C=1.0)
clf.fit(X, y)

wclf = svm.SVC(kernel="linear", class_weight={1: 10})
wclf.fit(X, y)

# 绘制样本点
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Paired, edgecolors="k")

# 绘制决策边界
ax = plt.gca()
disp = DecisionBoundaryDisplay.from_estimator(
    clf,
    X,
    plot_method="contour",
    colors="k",
    levels=[0],
    alpha=0.5,
    linestyles=["-"],
    ax=ax,
)

wdisp = DecisionBoundaryDisplay.from_estimator(
    wclf,
    X,
    plot_method="contour",
    colors="r",
    levels=[0],
    alpha=0.5,
    linestyles=["-"],
    ax=ax,
)

# 创建自定义图例线条
custom_lines = [
    Line2D([0], [0], color='k', linestyle='-', lw=2),
    Line2D([0], [0], color='r', linestyle='-', lw=2)
]

# 添加图例
plt.legend(custom_lines, ["non weighted", "weighted"], loc="upper right")
plt.show()

原理说明 #

Line2D是matplotlib原生的线条对象，图例组件可以直接识别并渲染其颜色、线型、线宽等属性。相比直接传入ContourCollection，手动构建Line2D能精准控制图例中显示的标记样式，完全匹配决策边界的视觉特征。

内容的提问来源于stack exchange，提问作者Mainland