前回作成した関数を使って実際に散布図を確認していきましょう！
前回作成した散布図に分類の状態を描画する関数
plot_boundary(model, X, Y, target, xlabel, ylabel)
・model = 分類を行う学習済みモデル
・X = X軸に使う特徴量
・Y = Y軸に使う特徴量
・target = 分類の値
・xlabel = X軸用ラベル
・ylabel = Y軸用ラベル
目次
関数を確認しよう
「ものを2種類に分類する学習」の「学習した状態の散布図」を見てみましょう。テスト用の特徴量でデータフレームを作成し、学習モデルに与えて予測データを作って関数に渡してみます。
コード
#1 テスト用の特徴量（X_test）でデータフレームを作る
#2 テスト用の特徴量（X_test）を渡して、予測データを作る
#3 散布図だけを描画する
df = pd.DataFrame(X_test) #1
pred = model.predict(X_test) #2
plot_boundary(None, df[0], df[1], pred, "df [0]", "df [1]") #3参考資料：Python3年生機械学習のしくみ
実行結果
関数を用いると、色違いの散布図が1行のみで表示されました！
学習した分類の状態を表示する
上記のプログラムに「学習した分類の状態」を加えて散布図を表示してみましょう！plot_boundaryの引数の一番目に学習モデル（model）を与えます。
コード
# 分類の状態を描画する
plot_boundary(model, df[0], df[1], pred, "df [0]", "df [1]")参考資料：Python3年生機械学習のしくみ
実行結果
モデルを示すことできれいに色で分けることが出来ました！また、境界線を赤色で描くこともできています！