数据挖掘 - 为什么决策树边界形成方形而 SVM 形成圆形/椭圆形？ - 吾爱随笔录

我正在阅读 Udacity 教程，其中给出了一些数据点，练习是测试以下哪些模型最适合数据：线性回归、决策树或 SVM。使用sklearn，我能够确定 SVM 是最适合的，其次是决策树。当应用这两种算法时，我得到了一个非常明显的决策边界：

上述形状是否有任何具体原因，还是仅取决于数据集？

代码非常简单；只需读取 CSV，分离特征，然后应用如下所示的算法：

from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.svm import SVC

import pandas
import numpy

# Read the data
data = pandas.read_csv('data.csv')

# Split the data into X and y
X = numpy.array(data[['x1', 'x2']])
y = numpy.array(data['y'])

# import statements for the classification algorithms
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.svm import SVC

    # Logistic Regression Classifier
    classifier = LogisticRegression()
    classifier.fit(X,y)

    # Decision Tree Classifier
    classifier = GradientBoostingClassifier()
    classifier.fit(X,y)

    # Support Vector Machine Classifier
    classifier = SVC()
    classifier.fit(X,y)