Olá
Vi que uma pessoa teve o mesmo problema, mas mesmo eu usando o:
Z = modelo.predict(pontos)
Z = Z.reshape(xx.shape)Ainda da erro com o Matplotlib. Fiz tudo igual, pelo menos eu acho hehe, só não traduzi as colunas. Estou usando o VSCode.
Erro: ValueError: 'c' argument must be a color, a sequence of colors, or a sequence of numbers, not finalizado ValueError: Invalid RGBA argument: 'finalizado'
Parece que no c=teste_y, ele quer uma cor.
O que eu posso fazer?
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.svm import LinearSVC
from sklearn.metrics import accuracy_score
from sklearn.model_selection import train_test_split
import numpy as np
uri = "https://gist.githubusercontent.com/guilhermesilveira/1b7d5475863c15f484ac495bd70975cf/raw/16aff7a0aee67e7c100a2a48b676a2d2d142f646/projects.csv"
dados = pd.read_csv(uri)
troca = {
0:1,
1:0
}
dados['finalizado'] = dados.unfinished.map(troca)
x = dados[['expected_hours', 'price']]
y = dados[['finalizado']]
SEED = 20
treino_x, teste_x, treino_y, teste_y = train_test_split(x, y, random_state=SEED, test_size=0.25, stratify= y)
modelo = LinearSVC()
modelo.fit(treino_x, treino_y)
previsoes = modelo.predict(teste_x)
acuracia = accuracy_score(teste_y, previsoes) * 100
x_min = teste_x.expected_hours.min()
x_max = teste_x.expected_hours.max()
y_min = teste_x.price.min()
y_max = teste_x.price.max()
pixels = 100
eixo_x = np.arange(x_min, x_max, (x_max - x_min) / pixels)
eixo_y = np.arange(y_min, y_max, (y_max - y_min) / pixels)
xx, yy = np.meshgrid(eixo_x, eixo_y)
pontos = np.c_[xx.ravel(), yy.ravel()]
Z = modelo.predict(pontos)
Z = Z.reshape(xx.shape)
plt.scatter(teste_x.expected_hours, teste_x.price, c=teste_y, s=1)
plt.show()
