머신러닝 결정 경계 시각화 (Pyodide)

파이썬 코드 (수정 가능)

Scikit-learn을 사용해 데이터를 만들고 분류 선을 긋습니다.

import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import make_moons, make_circles
from sklearn.neural_network import MLPClassifier
from sklearn.preprocessing import StandardScaler

# 1. 가상의 데이터(원들) 생성
# noise를 조절하면 데이터가 더 흩어집니다.
X, y = make_moons(n_samples=200, noise=0.2, random_state=42)
# X, y = make_circles(n_samples=200, noise=0.1, factor=0.5, random_state=42)

# 데이터 스케일링 (학습 효율 증가)
X = StandardScaler().fit_transform(X)

# 2. 간단한 인공신경망(MLP) 모델 학습
# 이 친구가 "선"을 긋는 주체입니다.
clf = MLPClassifier(hidden_layer_sizes=(10, 10), max_iter=1000, alpha=1, random_state=42)
clf.fit(X, y)

# 3. 그림 그리기 준비
fig, ax = plt.subplots(figsize=(6, 5))

# 결정 경계(배경 색칠) 그리기
x_min, x_max = X[:, 0].min() - .5, X[:, 0].max() + .5
y_min, y_max = X[:, 1].min() - .5, X[:, 1].max() + .5
xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.02),
                     np.arange(y_min, y_max, 0.02))

# 전체 영역에 대해 예측 수행
Z = clf.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:, 1]
Z = Z.reshape(xx.shape)

# 등고선 그리기 (이게 바로 그 '선'입니다)
ax.contourf(xx, yy, Z, cmap=plt.cm.RdBu, alpha=0.8)

# 4. 실제 데이터 점(원) 찍기
ax.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.RdBu_r, edgecolors='k', s=40)

ax.set_title("Neural Network Decision Boundary")
ax.set_xticks(())
ax.set_yticks(())

# 5. 브라우저로 이미지 전송
import io, base64
buf = io.BytesIO()
fig.savefig(buf, format='png', bbox_inches='tight')
buf.seek(0)
img_str = 'data:image/png;base64,' + base64.b64encode(buf.read()).decode('utf-8')
img_str

실행 결과

왼쪽의 '실행하기' 버튼을 누르면
여기에 그래프가 그려집니다.