我想制作一个像这样的图表
在@的帮助下，我得到了这个
使用以下代码
X, y = make_circles(100, random_state=96867, factor=.1, noise=.1)red_mask = y==0plt.scatter(X[red_mask, 0], X[red_mask, 1], s=50, facecolors="none", edgecolors="r")plt.scatter(X[~red_mask, 0], X[~red_mask, 1], s=50, marker="+", c="b")然而，当我尝试将数据投影到3D时
r = np.exp(-(X ** 2).sum(1))ax = plt.subplot(projection='3d')ax.scatter3D(X[red_mask, 0], X[red_mask, 1], facecolors="none", edgecolors="r")ax.scatter3D(X[~red_mask, 0], X[~red_mask, 1], marker="+", c="b")ax.set_xlabel('x')ax.set_ylabel('y')ax.set_zlabel('r')plt.show()我得到了这个
这似乎意味着径向基函数 r = np.exp(-(X ** 2).sum(1)) 根本不起作用。
如何获得一个正确的径向基函数，将非线性可分数据投影到线性可分数据？
回答：
你的代码的主要问题是z坐标从未被指定，默认设置为0，因此在3D空间中产生了一个平面图。
将绘图指令更改为下面的代码片段，添加了第三个坐标，就可以生成真正的3D图：
ax.scatter3D(X[red_mask, 0], X[red_mask, 1], r[red_mask], facecolors="none", edgecolors="r")ax.scatter3D(X[~red_mask, 0], X[~red_mask, 1], r[~red_mask], marker="+", c="b")
为了将蓝点集中在0附近，你需要将你的核函数更改为r = np.exp((X ** 2).sum(1))，因为负指数使得离中心最远的点具有较低的r值。最终结果如下图所示，使数据变得线性可分（y也被更改为abs(y)以更好地匹配示例图像）。
