plt.contourf()的内存存储问题？

Question

我在Spyder中执行的Python代码有问题。我在某种程度上是一个编码新手，所以为了练习的目的，我使用KNN编写了一个分类代码。代码运行得很好，直到我想要可视化结果。问题开始于我运行

plt.contourf(...) 

函数。

发生的情况是，之前创建的所有变量都消失了，控制台中的当前行变为1，用于取消正在运行的进程的正方形变为红色。我需要重新启动内核..

我试图隔离这个问题，但我发现了一个奇怪的行为。例如，如果我在控制台中只执行plt.contourf(...)的一部分，例如仅：

np.array([X1.ravel(), X2.ravel()])

我得到了预期的结果。但是，如果我执行

np.array([X1.ravel(), X2.ravel()]) 

第二次，我再次得到了与我执行整个代码时相同的崩溃。此问题是否与内存使用/存储有关？有谁能帮帮我吗？

下面是完整的代码：

    #KNN

#Import libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

#Import data
dataset = pd.read_csv('Social_Network_Ads.csv')
X = dataset.iloc[:,0:2].values
y = dataset.iloc[:,-1].values

#Splitting data
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, 
                                                    y, 
                                                    test_size = 0.25,
                                                    random_state = 0)

#Feature scaling
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

#Training the KNN model
from sklearn.neighbors import KNeighborsClassifier
classifier = KNeighborsClassifier(n_neighbors = 5,
                                  p = 2,
                                  metric = 'minkowski')
classifier.fit(X_train, y_train)

# Predicting the Test set results
y_pred = classifier.predict(X_test)

# Making the Confusion Matrix
from sklearn.metrics import confusion_matrix, accuracy_score
cm = confusion_matrix(y_test, y_pred)
acc = accuracy_score(y_test, y_pred)

# Visualising the Training set results
from matplotlib.colors import ListedColormap
X_set, y_set = sc.inverse_transform(X_train), y_train
X1, X2 = np.meshgrid(np.arange(start = X_set[:, 0].min() - 10, stop = X_set[:, 0].max() + 10, step = 0.25),
                     np.arange(start = X_set[:, 1].min() - 1000, stop = X_set[:, 1].max() + 1000, step = 0.25))

plt.contourf(X1, X2, classifier.predict(sc.transform(np.array([X1.ravel(), X2.ravel()]).T)).reshape(X1.shape),
             alpha = 0.75, cmap = ListedColormap(('red', 'green')))
plt.xlim(X1.min(), X1.max())
plt.ylim(X2.min(), X2.max())
for i, j in enumerate(np.unique(y_set)):
    plt.scatter(X_set[y_set == j, 0], X_set[y_set == j, 1], c = ListedColormap(('red', 'green'))(i), label = j)
plt.title('Logistic Regression (Training set)')
plt.xlabel('Age')
plt.ylabel('Estimated Salary')
plt.legend()
plt.show()

Answer 1

我还学习了udemy的课程，当我逐行拆分所有代码时，z = sc.transform(np.array([x1.ravel(),x2.ravel()]).T)在运行时会通过存储在ram中消耗超过50%的ram，所以当我加载classifier.predict(z)的时候Google Codelab就崩溃了。plt.contourf(x,y,z)为你所学到的KNN课程提供了3个维度。

只在R程序中测试会更好，因为绘制图表3D图表会使Google codelab超载。