如何在较低维度space中绘制分类区域？
How to plot classification regions in a lower dimensional space?
我在一个有 8 个维度（即 8 个特征）的 space 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 link 所示。
当然分类boundaries/regions也是8维的。如何将分类 boundaries/regions 转换为与我的 2D 数据点匹配的 2D？
这个问题很有意思，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。
因为你说得不是很详细，但是你包含了一个sklearn link，我先从技术角度回答：“你怎么做它与 sklearn?"
你有一个函数：transform(X, y=None) 它将应用 PCA 投影（是的，PCA 是高维 space 到低维的投影）。
所以你基本上只需要给 transform(your_boundaries) 就可以应用它。
就伪代码而言，这将给出：
pca = PCA(n_component=2).fit(data)
2dboundaries = pca.transform(boundaries)
瞧瞧！
请随时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。
希望对您有所帮助
pltrdy
我在一个有 8 个维度（即 8 个特征）的 space 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 link 所示。
当然分类boundaries/regions也是8维的。如何将分类 boundaries/regions 转换为与我的 2D 数据点匹配的 2D？
这个问题很有意思，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。
因为你说得不是很详细，但是你包含了一个sklearn link，我先从技术角度回答：“你怎么做它与 sklearn?"
你有一个函数：transform(X, y=None) 它将应用 PCA 投影（是的，PCA 是高维 space 到低维的投影）。
所以你基本上只需要给 transform(your_boundaries) 就可以应用它。
就伪代码而言，这将给出：
pca = PCA(n_component=2).fit(data)
2dboundaries = pca.transform(boundaries)
瞧瞧！
请随时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。
希望对您有所帮助
pltrdy