如何在Rasa中使用matplotlib可视化sklearnIntentClassifier创建的边界

import matplotlib.pyplot as plt
import numpy as np
from sklearn import datasets
from sklearnIntentClassifier import IntentClassifier

# 这里假设你使用的是鸢尾花数据集（Iris dataset）
iris = datasets.load_iris()
X = iris.data[:, :2]  # 只选取前两个特征，方便可视化
y = iris.target

intent_classifier = IntentClassifier()
intent_classifier.fit(X, y)

x_min, x_max = X[:, 0].min() - 0.5, X[:, 0].max() + 0.5
y_min, y_max = X[:, 1].min() - 0.5, X[:, 1].max() + 0.5

h = 0.02  # 步长
xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))

Z = intent_classifier.predict(np.c_[xx.ravel(), yy.ravel()])

# 将预测结果可视化
Z = Z.reshape(xx.shape)
plt.figure(figsize=(10, 8))
plt.contourf(xx, yy, Z, cmap=plt.cm.Paired)
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.Paired, edgecolors='k')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.title('Decision Boundary')
plt.show()