Нужен подходящий набор данных для построения регионов принятия решений. Код и условия внутри ⇐ Python

[Anonymous]

Я ищу набор данных с 4 почти линейно разделяемыми классами, чтобы представить различные алгоритмы классификации и сравнить их. Я не хочу, чтобы радужная оболочка, вино, рак Брета, оценка автомобилей, успеваемость студентов .... Я пробовал некоторые, и они не дали приемлемых участков.
Вот модуль региона Решения из книги Python Машинное обучение < /p>

Код: Выделить всё

''' plotplates.py '''
# plotting the results
from matplotlib.colors import ListedColormap
import matplotlib.pyplot as plt
import numpy as np

def plot_decision_regions(X, y, classifier, test_idx=None, resolution=0.02):

# setup marker generator and color map
markers = ('s', 'x', 'o', '^', 'v')
colors = ('red', 'blue', 'green', 'gray', 'cyan')
cmap = ListedColormap(colors[:len(np.unique(y))])
# plot the decision surface
x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max() + 1
x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max() + 1
x1, x2 = np.meshgrid(np.arange(x1_min, x1_max, resolution), np.arange(x2_min, x2_max, resolution))
Z = classifier.predict(np.array([x1.ravel(), x2.ravel()]).T)
Z = Z.reshape(x1.shape)
plt.contourf(x1, x2, Z, alpha=0.3, cmap=cmap)
plt.xlim(x1.min(), x1.max())
plt.ylim(x2.min(), x2.max())
for idx, cl in enumerate(np.unique(y)):
plt.scatter(x=X[y == cl, 0], y=X[y == cl, 1],
alpha=0.8, c=colors[idx], marker=markers[idx], label=cl)
# highlight test examples
if test_idx:
# plot all examples
X_test, y_test = X[test_idx, :], y[test_idx]
plt.scatter(X_test[:, 0], X_test[:, 1], facecolor='none', edgecolor='black', alpha=1.0,
linewidth=1, marker='o', s=100, label='test set')

Образец графика для набора данных Iris и Perceptron:
< /p>
Мне нужно найти такой набор данных для учебных целей, я искал UCI и Kaggle и тестировал разные Наборы данных безрезультатно. Я спросил несколько LLMS, не сработал.
Пожалуйста, помогите мне, если вы знаете. < /P>

Подробнее здесь: https://stackoverflow.com/questions/794 ... ons-inside