问答 · ANSWER
分类原理的可视化理解是什么？
直接回答
通过二维坐标图展示数据点与分类边界，直观理解模型如何划分区域并进行预测。
关键要点
- 分类可视化在二维坐标空间中进行，每个数据样本用一个点表示。
- 模型学习的本质是寻找分类边界，以区分不同类别的数据点。
- 预测时，新样本点根据其落入的类别区域被归为相应类别。
- 通过鸢尾花案例等，可以直观看到数据分布与分类边界的关系。
怎么选 / 怎么做
1. 在二维坐标系中，用不同形状/颜色的点表示不同类别的训练数据。
2. 模型学习并绘制出分类边界（如直线或曲线）。
3. 将新样本点绘制在同一坐标系中。
4. 根据新样本点所处的边界区域，判断其预测类别。
常见问题
分类可视化用什么图？
常用二维散点图，用点表示样本，线表示分类边界。
分类边界的作用是什么？
划分不同类别区域，用于对新样本进行预测归类。