앞의 plot_decision_regions 함수를 plot_decision_regions_script.py 같은 파일로 저장하고 현재 파이썬 셸에서 임포트하여 사용할 수 있습니다.
>>> from sklearn.linear_model import LogisticRegression
>>> from sklearn.decomposition import PCA
>>> # PCA 변환기와 로지스틱 회귀 추정기를 초기화합니다
>>> pca = PCA(n_components=2)
>>> lr = LogisticRegression(random_state=1)
>>> # 차원 축소
>>> X_train_pca = pca.fit_transform(X_train_std)
>>> X_test_pca = pca.transform(X_test_std)
>>> # 축소된 데이터셋으로 로지스틱 회귀 모델 훈련
>>> lr.fit(X_train_pca, y_train)
>>> plot_decision_regions(X_train_pca, y_train, classifier=lr)
>>> plt.xlabel('PC 1')
>>> plt.ylabel('PC 2')
>>> plt.legend(loc='lower left')
>>> plt.tight_layout()
>>> plt.show()
이 코드를 실행하면 두 개의 주성분 축으로 줄어든 훈련 데이터에서 만든 결정 경계를 볼 수 있습니다.
▲ 그림 5-4 두 개의 주성분에서 만든 결정 경계