Iris分类以及数组reshape想到的

最近在研究Iris花的逻辑回归分类中看到了如下的代码：

from sklearn.linear_model import LogisticRegression

X = iris["data"][:, 3:]

y=(iris["target"]==2).astype(np.int)

 

log_reg = LogisticRegression()

log_reg.fit(X, y)

 

X_new=np.linspace(0, 3, 100).reshape(-1, 1)

y_prob=log_reg.predict_proba(X_new)

decision_boundary=X_new[y_prob[:, 1] >=0.5][0]

 

reshape(-1, 1)第一个"-1"参数代表将数据拉平为一行，第二个1代表对于行矩阵进行处理，每个行包含一个列。下面有个demo示例：

z = np.array([[1, 2, 3, 4],

[5, 6, 7, 8],

[9, 10, 11, 12]])

z.shape

(3, 4)

 

z.reshape(-1)

array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12])
					

 

z.reshape(-1,1)

array([[ 1],

   [ 2],

   [ 3],

   [ 4],

   [ 5],

   [ 6],

   [ 7],

   [ 8],

   [ 9],

   [10],

   [11],

   [12]])
					

 

其实(-1,1)的意义就是行数未知，列数确定是1的意思；所谓的未知就是根据实际情况来生成。可以推知reshape（1，-1）的含义。

第二个难点就是计算decision_boundary的时候：

decision_boundary=X_new[y_prob[:, 1] >=0.5][0]

其实这段语句的涵义是：首个满足y_prob[:, 1] >=0.5，对应的X_new的值。那么什么是y_prob[:, 1]呢？y_prob的获取是通过predict_prob，所以天生就是会把所有的可能值都就算一边，这里每一项都会把是Iris和NotIris的概率都计算一遍的；y_prob[:, 1]就是代表所有的Iris的判断结果，>=0.5比较好理解，就是其中判定为属于Iris的（因为>=0.5就代表倾向于Iris）的首个值；这个值就是Iris和非Iris的分界线，这个就是decision_boundary的涵义。

参考

https://stackoverflow.com/questions/18691084/what-does-1-mean-in-numpy-reshape