如何绘制具有 20 个特征的模型的密度估计等高线？

Question

我正在跟随 this sample 对下面的贝叶斯高斯混合模型进行密度估计：

bgmm = BayesianGaussianMixture(n_components=10, random_state=7, max_iter=5000).fit(data)

其中 data（作为数据框）包含 20 列数字数据。

我可以通过

简单地绘制bgmm的两个特征的模型

x = np.linspace(-20.0, 30.0)
y = np.linspace(-20.0, 40.0)
X, Y = np.meshgrid(x, y)
XX = np.array([X.ravel(), Y.ravel()]).T
Z = -bgmm.score_samples(XX)
Z = Z.reshape(X.shape)

CS = plt.contour(
    X, Y, Z, norm=LogNorm(vmin=1.0, vmax=1000.0), levels=np.logspace(0, 3, 10)
)
CB = plt.colorbar(CS, shrink=0.8, extend="both")
plt.scatter(data[:, 0], data[:, 1], 0.8)

plt.show()

但是，如何以密度等高线的形式绘制所有的簇？

Answer 1

我认为您需要在拟合之前将数据放入一个大的两列数组中，因此定义一个新的 X_train 将所有十对列组合成一对大列。

首先，将data转换成数组：

data_array = data.to_numpy()

然后重塑成两列：

X_train = np.reshape(data_array, (10*data_array.shape[0], 2))

然后用它调用 mixture.fit 方法而不是 data。然后继续跟随示例，像他们一样使用 X_train（当然使用 bgmm 而不是 clf）。

如何绘制具有 20 个特征的模型的密度估计等高线？

How to plot density estimation contours of a model with 20 features?

python

matplotlib

scikit-learn