plt.scatter(X[neg[:,0],0],X[neg[:,0],1],c="y",marker="o",s=50)

这段代码使用 matplotlib 库中的 scatter 函数绘制散点图，其中 X 是一个二维数组，neg 是一个布尔类型的数组，用于筛选出 X 中符合条件的数据，然后将其绘制为黄色的圆形散点图，大小为 50。具体来说，X[neg[:,0],0] 表示选取 X 中第一列符合 neg 中第一列为 True 的行，X[neg[:,0],1] 表示选取 X 中第二列符合 neg 中第一列为 True 的行。c="y" 表示设置散点的颜色为黄色，marker="o" 表示设置散点的形状为圆形，s=50 表示设置散点的大小为 50。

相关问题

m,n = X.shape[0],X.shape[1] #m=51,n=2 pos,neg= (y==1).reshape(m,1), (y==0).reshape(m,1) #分别找出y为0和y为1对应的俩个特征值X1,X2，将两个特征值当作横坐标与纵坐标 plt.scatter(X[pos[:,0],0],X[pos[:,0],1],c="r",marker="+",s=50)#plt.scatter()函数绘制散点图，色彩选为红色，用“+”表示，大小设置为50 plt.scatter(X[neg[:,0],0],X[neg[:,0],1],c="y",marker="o",s=50)#plt.scatter()

函数绘制散点图，色彩选为黄色，用“o”表示，大小设置为50。这段代码的作用是将数据集中y为1的点用红色加号标出，y为0的点用黄色圆圈标出。其中，X[pos[:,0],0]表示选取y为1的点的第一个特征值，X[pos[:,0],1]表示选取y为1的点的第二个特征值，X[neg[:,0],0]表示选取y为0的点的第一个特征值，X[neg[:,0],1]表示选取y为0的点的第二个特征值。

pos , neg = (y==1).reshape(100,1) , (y==0).reshape(100,1) #把y=1的样本点reshape成（100，1）的矩阵，y=0的样本点也reshape成（100，1)的矩阵 plt.scatter(X[pos[:,0],0],X[pos[:,0],1],c="r",marker="+") plt.scatter(X[neg[:,0],0],X[neg[:,0],1],marker="o",s=10) plt.xlabel("Exam 1 score") plt.ylabel("Exam 2 score") plt.legend(["Admitted","Not admitted"],loc=0)

这段代码是用来进行数据可视化的，主要是将数据集中的两种类别（y=1和y=0）分别用不同的符号和颜色标注在散点图上。其中，红色加号代表y=1，表示考生被录取，黑色圆圈代表y=0，表示考生未被录取。plt.scatter函数用于绘制散点图，X[pos[:,0],0]表示选择X中第一列中所有y=1的样本点，X[pos[:,0],1]表示选择X中第二列中所有y=1的样本点。同理，X[neg[:,0],0]和X[neg[:,0],1]分别表示选择X中第一列和第二列中所有y=0的样本点。plt.xlabel和plt.ylabel函数分别用于设置x轴和y轴的标签，plt.legend函数用于设置图例。