在scikitlearn教程中可视化支持向量机的参数

Question

我在听一个很受欢迎的教程 here，我试图在sci-kit-learn中对支持向量机的rbf核参数gamma和C的影响进行实验。在

关于前面提到的教程，我有点搞不清这段代码的目的是什么：

# dataset for decision function visualization  
X_2d = X[:, :2]
X_2d = X_2d[Y > 0]
Y_2d = Y[Y > 0]
Y_2d -= 1

我假设我们将原始数据子集（来自iris数据集），但是
我们为什么要这么做呢？为什么X_2d = X[:, :2]的参数是元组？在

如果有人熟悉本教程，并且已经知道了这一点，请提前感谢。在

Answer 1

这部分代码的目的是可视化第一个带有散乱点的图，显示决策面随不同训练参数的变化情况。基本上它创建了一个更小的数据集，只有两个特性和两个类。在

X_2d = X[:, :2]意味着X_2d是一个只包含前两个特征的数据集，因此可以方便地绘制每个点（如何在4D中绘制点？）。在

接下来的三行过滤掉标签为0的样本，这样较小的数据集只包含两个标签。它还将标签重命名为0或1。在