Hier ist der Code zur Visualisierung der SVM-Entscheidungsgrenze. Ich kann den Fehler nicht erkennen. Bitte werfen Sie einen Blick auf

Question

** HINWEIS: Die Variable x enthält 30 Tupel des Merkmalsvektors von 5 Dimension. Diese Werte von x werden an x_train übergeben. X kann als die Form von x = [[1.0, 2.0, 3.0, 4.0, 5.0], [11.0, 12.0, 13.0, 14.0, 15.0], [21.0, 22.0, 23.0, 24.0, 25,0], .. .. ..] und y = labels = [1,1,1, 2,2,2, 3,3,3 ...] Ich möchte PCA anwenden auf x und auf zwei Dimensionen reduzieren und dann Entscheidungsgrenzen plotten. Ich bin in der Lage, die Punkte zu zeichnen, aber nicht in der Lage zu Entscheidungsgrenze plotten **

x_train = x 
y_train =labels 
pca = PCA(n_components=2).fit(x_train) 
pca_2d = pca.transform(x_train) 
clf = svm.SVC(kernel='linear',C = 3) 
clf.fit(pca_2d, y_train) 
for i in range(1, pca_2d.shape[0]): 
    if y_train[i] == 1: 
    c1 = pl.scatter(pca_2d[i,0],pca_2d[i,1],c='r', s=50,marker='+') 
    elif y_train[i] == 2: 
    c2 = pl.scatter(pca_2d[i,0],pca_2d[i,1],c='r', s=50,marker='.') 
    elif y_train[i] == 3: 
    c3 = pl.scatter(pca_2d[i,0],pca_2d[i,1],c='r', s=50,marker=',') 
    elif y_train[i] == 4: 
    c4 = pl.scatter(pca_2d[i,0],pca_2d[i,1],c='r', s=50,marker='^') 
    elif y_train[i] == 5: 
    c5 = pl.scatter(pca_2d[i,0],pca_2d[i,1],c='r', s=50,marker='v') 
    elif y_train[i] == 6: 

    x_min, x_max = pca_2d[:, 0].min() - 1, pca_2d[:,0].max() + 1 
    y_min, y_max = pca_2d[:, 1].min() - 1, pca_2d[:, 1].max() + 1 

    xx, yy = np.meshgrid(np.arange(x_min, x_max, .01),np.arange(y_min,y_max, .01)) 
    #************ ERROR ******# 
    Z = clf.predict(np.c_[xx.ravel(), yy.ravel()]) 
    #************ ERROR ******# 
    Z = Z.reshape(xx.shape) 
    plt.contourf(xx, yy, Z, cmap=plt.cm.Paired, alpha=0.8) 
    pl.title('Support Vector Machine Decision Surface') 
    pl.axis('off') 
    pl.show() 





## The error shown is : 
    Traceback (most recent call last): 
    File "D:\New folder_previous.2 - Copy.right\main_pos.py", line 354, in <module> 
    Z = clf.predict(np.c_[xx.ravel(), yy.ravel()]) 
    File "C:\Python27\lib\site-packages\numpy\lib\index_tricks.py", line 338, in __getitem__ 
    res = _nx.concatenate(tuple(objs), axis=self.axis) 
    MemoryError 

Answer 1

Der Fehler ist ziemlich straigth vorwärts, Sie versuchen, zu viel Speicher zuzuweisen. Benutze eine größere Schrittweite als 0.1, untersuche die Größe deiner Matrix, wahrscheinlich hast du eine riesige in xx, yy generiert. Außerdem - warum ist alles in der Schleife über Samples? Sie scheinen das 30 Mal zu rufen, was nicht als vernünftige Idee erscheint.