Python 如何用3个特征可视化（3D）非线性SVM决策边界？

编写代码的过程：

3个参数---->X1、X2、X3已定义

为每个参数生成15个正常随机数

将3个参数放入公式中（如：a=X1*X2-X3），并根据函数的正负结果进行分类（在示例a中，如果a0 y=1）（-1,1类）

使用SVM（rbf核）将它们分离

现在，我尝试使用

plot\u decision\u regions

form

mlxtend.plotting

对3个特征和2个类的决策边界进行pot，但我得到了错误：

无法将输入数组从形状（15）广播到形状（2509056）

现在有没有人知道如何解决这个问题，并举一个相同情况的例子

plot_decision_regions(X_train, t, clf = svclassifier, hide_spines = False, colors = 'purple,limegreen', markers = ['x','o'],
                      filler_feature_values={0: X1[:,0], 1: X1[:,1], 2: X1[:,2]},
                      filler_feature_ranges={0: range1, 1: range1, 2:range1})
plt.title('Support Vector Machine')

---

对不起，我觉得很难读。你能不能像这个问题那样让你的文本更清晰？