utilities（python）

python 3 中，a//b 表示的是 ⌊ab⌋ （向下取整）

make_dir

def make_dir(_dir):
    if os.path.exists(_dir):
        return True
    try:
        os.makedirs(_dir)
        return True
    except:
        return False

make_thetas

def make_thetas(xmin, xmax, n):
    xs = np.linspace(xmin, xmax, n)
    widths = (xs[1:]-xs[:-1])/2
    thetas = xs[:-1]+widths
    return theats

plot_decision_regions

from matplotlib.pyplot as plt

def plot_decision_regions(X, y, classifier, resolution=0.02):
                    # X 中的每一行，也即每一个数据，仅限于二维（出于可视化的需要）
                    # classifier为已训练好的模型
                    # 直接进行对样本的predict
                    # 该函数仅涉及绘图，而不仅进行训练之类的操作
    colors = ('lightgreen', 'cyan', 'gray', 'r', 'b')
    markers = ('s', 'x', 'o', '^', 'v')
    cmap = ListedColormap(colors[:np.unique(y)])

    x1_min, x1_max = np.min(X[: 0])-1, np.max(X[:, 0])+1
    x2_min, x2_max = np.min(X[: 1])-1, np.max(X[:, 1])+1    
    XX, YY = np.meshgrid(np.arange(x1_min, x1_max, resolution), np.arange(x2_min, x2_max, resolution))
    Z = classifier.predict(np.array([XX.ravel(), YY.ravel()]).T)
    Z = Z.reshape(XX.shape)
    plt.contourf(XX, YY, Z, alpha=.4, cmap=cmap)
    plt.xlim((XX.min(), XX.max()))
    plt.ylim((YY.min(), YY.max()))

    # plot class samples
    for idx, l in enumerate(np.unique(y)):
        plt.scatter(X[y==l, 0], X[y==l, 1], alpha=0.8, c=cmap(idx), marker=markers[idx], label=l)