如何使用MC1数据集绘制KNN决策边界图（附待调试代码）

你的代码存在4个直接导致运行失败的问题，逐一修正即可正常出图：

• 错误1：X, y = data_set 是无效写法，pandas DataFrame不支持直接解包为特征和标签，必须通过iloc/loc明确指定列范围切分。
• 错误2：导入的RadViz、make_moons全程未调用，属于冗余代码，不会直接导致报错但会干扰逻辑判断。
• 错误3：DecisionViz是二维可视化工具，仅支持传入2个特征绘制平面决策边界，如果你传入超过2个特征会直接触发维度错误。
• 错误4：切分数据前没有做特征维度校验，高维特征直接传入标准化、训练流程会在绘图步骤才暴露问题，难以定位。

修正后可运行代码 #

下面的代码默认你的MC1数据集最后一列为Y/N格式的分类标签，取前2个数值特征绘制决策边界，如果你需要用指定的两个特征，修改iloc的列索引即可：

from sklearn.model_selection import train_test_split as tts
from sklearn.preprocessing import StandardScaler
import pandas as pd
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
from yellowbrick.contrib.classifier import DecisionViz
from yellowbrick.style import set_palette
set_palette('flatui')

# 读取本地MC1数据集
data_set = pd.read_csv('MC1.csv')

# 切分特征、标签：示例取前2列作为绘图特征，最后一列为分类标签
X = data_set.iloc[:, :2].values
y = data_set.iloc[:, -1].values

# 校验标签取值，对应调整classes参数
print("数据集标签类别：", np.unique(y))

# 特征标准化
X = StandardScaler().fit_transform(X)

# 拆分训练、测试集
X_train, X_test, y_train, y_test = tts(X, y, test_size=.4, random_state=42)

# 初始化KNN决策边界可视化器
viz = DecisionViz(
    KNeighborsClassifier(n_neighbors=5),
    title="KNN Nearest Neighbors Decision Boundary (MC1)",
    classes=['N', 'Y']  # 顺序和打印出的标签类别保持一致即可
)

viz.fit(X_train, y_train)
viz.draw(X_test, y_test)
viz.show()

额外注意事项 #

如果你需要保留全部特征的信息，不要直接截取两列，可以先用PCA将特征维度降到2维，再把降维后的特征传入可视化流程。
如果运行时出现类别不匹配报错，根据控制台打印出的实际标签值，调整classes参数的内容和顺序即可。

内容的提问来源于stack exchange，提问作者ahmad alomari