如何在同一张图中绘制多个分类器的决策边界？代码问题求助

你的代码每次调用DecisionBoundaryDisplay.from_estimator时，默认会创建新的坐标轴，导致每个分类器的决策边界都在单独的图中显示，最终仅保留最后一个分类器的结果。

以下是修改后的代码，可将所有分类器的决策边界绘制在同一张图中：

import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.linear_model import LogisticRegression
from sklearn.inspection import DecisionBoundaryDisplay
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis,QuadraticDiscriminantAnalysis
from sklearn.ensemble import AdaBoostClassifier,BaggingClassifier,RandomForestClassifier,HistGradientBoostingClassifier
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import VotingClassifier,ExtraTreesClassifier

iris = load_iris()
X = iris.data[:, :2]
classifiers = [LogisticRegression(solver='sag',penalty='l2',multi_class='ovr',
            max_iter=25000,random_state=None,fit_intercept=True),
            LinearDiscriminantAnalysis(),
            QuadraticDiscriminantAnalysis(),
            DecisionTreeClassifier(min_samples_leaf=1),
            BaggingClassifier(),
            RandomForestClassifier(),
            AdaBoostClassifier(),
            HistGradientBoostingClassifier(),
            VotingClassifier(estimators=[('rfc',RandomForestClassifier()),
                                         ('dtc',DecisionTreeClassifier())],voting ='soft'),
            ExtraTreesClassifier()]

# 创建固定的坐标轴，所有绘图都在该轴上进行
fig, ax = plt.subplots()

# 仅绘制一次原始数据点，避免重复叠加
ax.scatter(X[:, 0], X[:, 1], c=iris.target, edgecolor="k")

for classifier in classifiers:
    classifier.fit(X, iris.target)
    # 指定ax参数，将决策边界绘制到已创建的坐标轴上
    disp = DecisionBoundaryDisplay.from_estimator(
        classifier, 
        X, 
        response_method="predict", 
        xlabel=iris.feature_names[0], 
        ylabel=iris.feature_names[1], 
        alpha=0.3,  # 降低透明度，让多个边界叠加后更清晰区分
        ax=ax  # 关键：强制使用同一个坐标轴
    )

plt.show()

核心修改点： #

• 提前创建固定的fig, ax对象，确保所有绘图共享同一坐标轴
• 将散点图移到循环外，仅绘制一次，避免重复叠加导致点的视觉效果异常
• 在DecisionBoundaryDisplay.from_estimator中添加ax=ax参数，强制将每个分类器的决策边界绘制到同一个图中
• 降低alpha值到0.3，让不同分类器的半透明边界叠加后仍能清晰区分

内容的提问来源于stack exchange，提问作者ala mazahreh