如何在 3-D 等高线图中绘制回归预测数据？

Question

我正在尝试将高斯过程回归的预测平均数据绘制成 3-D 轮廓。我已经按照 Plot 3D Contour from an Image using extent with Matplotlib 进行了跟踪和 mplot3d example code: contour3d_demo3.py 个线程。以下是我的代码：

import numpy as np
from sklearn.gaussian_process import GaussianProcessRegressor
from sklearn.gaussian_process.kernels import RBF, ConstantKernel as C
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d
from matplotlib import cm

x_train = np.array([[0,0],[2,2],[3,3]])
y_train = np.array([[200,321,417]])

xvalues = np.array([0,1,2,3])
yvalues = np.array([0,1,2,3])

a,b = np.meshgrid(xvalues,yvalues)
positions = np.vstack([a.ravel(), b.ravel()])
x_test = (np.array(positions)).T

kernel = C(1.0, (1e-3, 1e3)) * RBF(10)

gp = GaussianProcessRegressor(kernel=kernel)

gp.fit(x_train, y_train)

y_pred_test = gp.predict(x_test)

fig = plt.figure()
ax = fig.add_subplot(projection = '3d')
x=y=np.arange(0,3,1)
X, Y = np.meshgrid(x,y)
Z = y_pred_test
cset = ax.contour(X, Y, Z, cmap=cm.coolwarm)
ax.clabel(cset, fontsize=9, inline=1)
plt.show()

在运行上面的代码之后，我在控制台上得到以下错误：

我想要 x 轴和 y 轴作为二维平面，z-axis.The sample plot 上的预测值如下：

我的代码有什么问题？

谢谢！

Answer 1

您提到的具体错误来自您的y_train，这可能是一个错字。应该是：

y_train_ : array-like, shape = (n_samples, [n_output_dims])

根据您的 x_train，您有 3 个样本。所以你的 y_train 应该有形状 (3, 1) 而不是 (1, 3).

您在绘图部分还有其他错误：

add_subplot应该在projection = '3d'之前有一个位置。
Z 应与等高线图的 X 和 Y 具有相同的形状。
因为 2，你的 x 和 y 应该匹配 xvalues 和 yvalues.

综合起来，您可能需要进行以下更改：

...

y_train = np.array([200,321,417])

...

ax = fig.add_subplot(111, projection = '3d')
x=y=np.arange(0,4,1)
...
Z = y_pred_test.reshape(X.shape)

...

只想提两件事：

这些更改后您将获得的图与您显示的图不匹配。您问题中的图形是曲面图而不是等高线图。您可以使用 ax.plot_surface 获得该类型的图。
我想你已经知道了。但以防万一，由于 np.meshgrid 稀疏，您的情节不会像示例情节那样平滑。

如何在 3-D 等高线图中绘制回归预测数据？

How to plot regression predicted data in 3-D contour plot?

python

matplotlib

scikit-learn

mplot3d