python - 如何在较低维空间中绘制分类区域？

Question

我在一个有 8 个维度(即 8 个特征)的空间中工作。我通过应用 PCA 和 TSNE 绘制了二维数据点。现在我还想绘制我使用的分类器的边界线，如图所示 here .顺便说一下，我使用了不同的分类器(SVM、GNB、逻辑回归)。

这意味着我有不同的 8 维点，我使用 PCA 或 TSNE 在 2D 中绘制这些点。在此图之上，我想绘制不同的分类区域，如上面的链接所示。

当然分类边界/区域也是8维的。如何将分类边界/区域转换为与我的 2D 数据点匹配的 2D？

Answer 1

这里有个有趣的问题，我曾经想过。它可以通过多种方式回答，包括更多或更少的细节，具体取决于您是想完全理解还是应用该方法。

因为你没有太多细节，但你包含了一个 sklearn 链接，我将首先从技术角度回答:“你如何使用 做到这一点sklearn？”

您有一个函数:transform(X, y=None) 它将应用 PCA 投影(是的，PCA 是高维空间到低维空间的投影)。

所以你基本上只需要给 transform(your_boundaries) 来应用它。

就伪代码而言，这将给出:
pca = PCA(n_component=2).fit(数据)
2dboundaries = pca.transform(边界)


瞧瞧!

请不要犹豫，提供更多详细信息或提出问题。如果相关，我可以添加一些具体的开发。

希望对你有帮助
pltrdy