如何在python中绘制2D和3D SVM决策边界（scikit学习）？_Python_Matplotlib_Scikit Learn_Svm

如何在python中绘制2D和3D SVM决策边界（scikit学习）？

python matplotlib scikit-learn

如何在python中绘制2D和3D SVM决策边界（scikit学习）？,python,matplotlib,scikit-learn,svm,Python,Matplotlib,Scikit Learn,Svm,似乎大多数示例都允许模型预测网格中的点并绘制区域，而不是获取边界坐标。为了做一些定量分析，我需要检索边界的位置我尝试了以下方法：移动网格并执行^操作以获取变化点，并使用np.where提取边界。问题是坐标的顺序可能不正确，有时它们呈之字形，因此无法通过plt正确绘制在二维图像中使用cv2.findContours。这只适用于2D，我可以以正确的顺序获得坐标。然而，当决策边界接触网格的边缘时，它包括空间的边界。由于等高线的起点和终点可能不在边界上，因此在两个交点之间可能存在一条直线，从而破

似乎大多数示例都允许模型预测网格中的点并绘制区域，而不是获取边界坐标。为了做一些定量分析，我需要检索边界的位置

我尝试了以下方法：

移动网格并执行^操作以获取变化点，并使用np.where提取边界。问题是坐标的顺序可能不正确，有时它们呈之字形，因此无法通过plt正确绘制

在二维图像中使用cv2.findContours。这只适用于2D，我可以以正确的顺序获得坐标。然而，当决策边界接触网格的边缘时，它包括空间的边界。由于等高线的起点和终点可能不在边界上，因此在两个交点之间可能存在一条直线，从而破坏边界，因此无法轻松删除

有什么方法可以得到这种二维和三维网格中的坐标（按正确的顺序）吗

在matlab中找到的一个解决方案是3D：但scikit学习中的SVM似乎提供的拟合信息要少得多，因此该方法不容易应用