sklearn绘制SVM可视化结果报ValueError:x和y尺寸不一致求助

错误原因 #

报错由绘制支持向量的代码行索引语法错误导致：

• clf.support_vectors_ 是形状为(N,2)的二维数组，每行对应一个支持向量，第0列是x轴特征值，第1列是y轴特征值
• 原代码写的clf.support_vectors_[:0] 是切片取前0个元素，返回空数组；clf.support_vectors_[:1]是切片取前1个元素，两个传入scatter的数组长度不一致，触发维度不匹配错误
• 补充说明：原代码中from sklearn.datasets.samples_generator import make_blobs的导入路径在新版sklearn中已经弃用，也需要同步修正。

修正方案 #

把原绘制支持向量的代码行替换为如下内容：

ax.scatter(clf.support_vectors_[:, 0], clf.support_vectors_[:, 1], s=100, linewidths=1, facecolors='none')

完整可运行代码 #

import numpy as np
import matplotlib.pyplot as plt
from sklearn import svm
from sklearn.datasets import make_blobs

# 生成样本数据
X,y=make_blobs(n_samples=40,centers=2,random_state=20)

# 训练SVM模型
clf=svm.SVC(kernel='linear',C=1000)
clf.fit(X,y)

# 绘制原始样本点
plt.scatter(X[:,0],X[:,1],c=y,s=30,cmap=plt.cm.Paired)

# 绘制决策边界
ax=plt.gca()
xlim=ax.get_xlim()
ylim=ax.get_ylim()

# 生成网格评估模型
xx=np.linspace(xlim[0],xlim[1],30)
yy=np.linspace(ylim[0],ylim[1],30)
YY,XX=np.meshgrid(yy,xx)
xy=np.vstack([XX.ravel(),YY.ravel()]).T
Z=clf.decision_function(xy).reshape(XX.shape)

# 绘制决策边界和间隔
ax.contour(XX,YY,Z,colors='k',levels=[-1,0,1],alpha=0.5,linestyles=['--','-','--'])
# 绘制支持向量（修正后的代码）
ax.scatter(clf.support_vectors_[:, 0],clf.support_vectors_[:, 1],s=100,linewidths=1,facecolors='none')
plt.show()

内容的提问来源于stack exchange，提问作者code