Границы решения Python kNN [duplicate]

Граница принятия решений, как правило, намного сложнее, чем просто строка, и поэтому (в двумерном случае) лучше использовать код для общего случая, который также будет хорошо работать с линейными классификаторами. Простейшей идеей является построение контурного графика функции решения

# X - some data in 2dimensional np.array

x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                     np.arange(y_min, y_max, h))

# here "model" is your model's prediction (classification) function
Z = model(np.c_[xx.ravel(), yy.ravel()]) 

# Put the result into a color plot
Z = Z.reshape(xx.shape)
plt.contourf(xx, yy, Z, cmap=pl.cm.Paired)
plt.axis('off')

# Plot also the training points
plt.scatter(X[:, 0], X[:, 1], c=Y, cmap=pl.cm.Paired)

некоторых примеров из sklearn документации

[/g0]