Jednostavnim kopiranjem prethodnih raspodela i menjanjem naziva promenljivih pravimo test skup. Prvih 100 elemenata pripadaće klasi 1 dok će poslednjih 100 pripadati klasi 2.

In [15]:
x10_test = np.random.randn(100, 1)
x11_test = np.random.randn(100, 1) * 2 + 3
X1_test  = np.hstack ([x10_test, x11_test])

x20_test = np.random.randn(100,1) * 0.8 + 3
x21_test = np.random.randn(100,1) * 1   + 5
X2_test  = np.hstack([x20_test, x21_test])

X_test = np.vstack([X1_test, X2_test]) # promenljiva X_test koristi se za testiranje
y_test = np.ones(200)
y_test [100:200] = 2
In [16]:
y_predicted = clf.predict(X_test)

Iscrtavanje rezultata klasifikacije. U slučaju idealne klasifikacije imali bismo iscrtano 100 jedinica a zatim 100 dvojki. Odstupanja predstavljaju elemente koji su pogrešno klasifikovani.

In [17]:
plt.stem(y_predicted)
plt.title('Tačnost predviđanja klasifikatora clf')
plt.yticks(np.arange(3), ('','1. klasa', '2. klasa'));