如何在 3-D 等高线图中绘制回归预测数据？

Posted 2023-03-12

【中文标题】如何在 3-D 等高线图中绘制回归预测数据？

【英文标题】：How to plot regression predicted data in 3-D contour plot?

【发布时间】：2018-10-20 15:50:24

【问题描述】：

我正在尝试将来自高斯过程回归的预测平均数据绘制成 3-D 轮廓。我关注了Plot 3D Contour from an Image using extent with Matplotlib 和mplot3d example code: contour3d_demo3.py 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()

运行上述代码后，控制台出现以下错误：

我希望x和y轴为二维平面，z轴上的预测值。sample plot如下：

我的代码有什么问题？

谢谢！

【参考方案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_ : 类数组，形状 = (n_samples, [n_output_dims])

根据您的x_train，您有 3 个样本。所以你的y_train 应该是(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。 对于等高线图，Z 的形状应与 X 和 Y 的形状相同。 由于 2，您的 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)

...

只提两件事：

这些更改后您将获得的绘图与您显示的图形不匹配。您问题中的数字是曲面图而不是等高线图。您可以使用ax.plot_surface 来获取该类型的情节。

我想你已经知道了。但以防万一，由于您的 np.meshgrid 稀疏，因此您的绘图不会像示例绘图那样平滑。

【讨论】：

成功了，非常感谢。在曲面图中，我需要给出一些颜色区分，例如，红色表示高数据，蓝色表示最低，绿色/黄色表示中等数据。我该怎么做？有什么想法吗？

@santobedi 你可以从here或here开始。