Почему самолет не отображается на графике matplotlib ⇐ Python

[Anonymous]

Я реализую SLP в наборе данных о домах в Бостоне, который содержит 13 объектов. Я выбрал «rm» и «zn» для X и «medv» для цели Y. Я также реализовал класс Perceptron с нуля. в этом классе у меня есть функцияplot_losses, которая отображает прогнозируемую линию (2d) и потери в одном окне, а также строит прогнозируемую плоскость для трехмерных графиков, и в этом проблема, трехмерная часть.
плоскость не отображается. на трехмерной диаграмме рассеяния.
Реализация класса Perceptron:
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter

class Perceptron:
def __init__(self, input_size, lr, epochs):
self.w = np.zeros(input_size)
self.b = 0
self.lr = lr
self.epochs = epochs
self.losses = []

def fit(self, X_train, Y_train):
for _ in range(self.epochs):
for x_i in range(X_train.shape[0]):
x = X_train[x_i]
y = Y_train[x_i]
y_pred = np.dot(x, self.w) + self.b
error = y - y_pred

self.w = self.w + (error * x * self.lr)
self.b = self.b + (error * self.lr)

loss = np.mean(np.abs(error))
self.losses.append(loss)

def predict(self, X_test):
return np.dot(X_test, self.w) + self.b

def plot_losses(self, X_train, Y_train, ax1_title, ax2_title, plot_3d=False, plot_3d_title='3D Plot'):
for _ in range(self.epochs):
for x_i in range(X_train.shape[0]):
x = X_train[x_i]
y = Y_train[x_i]
Y_pred = np.dot(x, self.w) + self.b

if plot_3d:
fig = plt.figure(figsize=(10, 7))
ax = fig.add_subplot(111, projection='3d')

X_feature1 = X_train[:, 0]
X_feature2 = X_train[:, 1]

ax.scatter(X_feature1, X_feature2, Y_train, color='blue', label='True Values')

X1_grid, X2_grid = np.meshgrid(
np.linspace(X_feature1.min(), X_feature1.max(), 20),
np.linspace(X_feature2.min(), X_feature2.max(), 20)
)

Z_pred = self.w[0] * X1_grid + self.w[1] * X2_grid + self.b

ax.plot_surface(X1_grid, X2_grid, Z_pred, color='red', alpha=0.5)
ax.set_xlabel("Feature 'rm'")
ax.set_ylabel("Feature 'zn'")
ax.set_zlabel("Target 'medv'")
ax.set_title(plot_3d_title)
ax.legend()
plt.show()
else:
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(11, 5))

ax1.scatter(X_train[:, 0], Y_train, color='blue', label='True Values')
ax1.plot(X_train[:, 0], Y_pred, color='red', label='Predicted Line')
ax1.set_title(ax1_title)
ax1.legend()

ax2.plot(self.losses)
ax2.set_title(ax2_title)
ax2.set_xlabel("Epochs")
ax2.set_ylabel("Mean Squared Error (MSE)")

plt.tight_layout()
plt.show()

линейная регрессия на наборе данных о домах в Бостоне:
%matplotlib qt
import matplotlib.pyplot as plt
from sklearn.datasets import make_regression
from sklearn.model_selection import train_test_split
import numpy as np
import pandas as pd
from perceptron import Perceptron
df_boston = pd.read_csv('input/BostonHousing.csv')
X = df_boston[['rm','zn']].values
Y = df_boston['medv'].values
X_train, X_test, Y_train, Y_test = train_test_split(X,Y,test_size=.2)

slp = Perceptron(2, .01, 100)
slp.fit(X_train, Y_train)
slp.plot_losses(X_train,Y_train, 'Employees salary and experience perceptron', 'Loss value', plot_3d=True, plot_3d_title='Boston housing perceptron')


Подробнее здесь: https://stackoverflow.com/questions/790 ... otlib-plot