MATLAB中PCA 3D置信椭球显示为2D椭圆的修复方法问询

问题原因 #

导致3D场景下置信椭球变成2D椭圆的核心原因通常有以下几点：

• 椭球计算未纳入第三维信息：多数简易椭球实现只针对2D场景，仅提取前两个主成分的协方差矩阵，完全忽略第三维的变异数据，导致椭球在Z轴方向被压缩成平面。
• 网格采样仅覆盖XY平面：生成椭球表面点时，只在XY平面生成网格，未对第三主成分对应的Z轴进行角度或维度扩展，最终输出平面图形。
• PCA降维维度错误：若PCA后仅保留前2个主成分，强行在3D图中绘制时第三维数值固定（通常为0），自然呈现2D椭圆形态。

修复方案（完整可运行代码） #

假设已完成PCA分析，得到3维降维数据pca_data（n×3矩阵，n为样本数），以及样本类别标签labels，以下是生成正确3D置信椭球的代码：

% 初始化绘图
figure; hold on; grid on; view(3);
% 定义类别颜色
class_colors = ['r', 'g', 'b'];
% 获取所有唯一类别
unique_classes = unique(labels);

for idx = 1:length(unique_classes)
    % 提取当前类别的PCA数据
    current_data = pca_data(labels == unique_classes(idx), :);
    % 计算类别均值与3×3协方差矩阵
    class_mean = mean(current_data);
    class_cov = cov(current_data);
    
    % 绘制类别散点
    scatter3(current_data(:,1), current_data(:,2), current_data(:,3), 40, class_colors(idx), 'filled');
    
    % 计算95%置信度对应的卡方临界值（3个维度，自由度为3）
    conf_threshold = chi2inv(0.95, 3);
    % 协方差矩阵特征值分解，获取主轴方向与长度
    [eig_vec, eig_val] = eig(class_cov);
    % 生成3D球面网格点，转换为椭球
    [theta, phi] = meshgrid(linspace(0, 2*pi, 50), linspace(0, pi, 50));
    x_sphere = sqrt(conf_threshold * eig_val(1,1)) * cos(theta) .* sin(phi);
    y_sphere = sqrt(conf_threshold * eig_val(2,2)) * sin(theta) .* sin(phi);
    z_sphere = sqrt(conf_threshold * eig_val(3,3)) * cos(phi);
    % 坐标转换：从主轴坐标系转到PCA坐标系，再平移到类别均值位置
    ellipsoid_coords = [x_sphere(:), y_sphere(:), z_sphere(:)] * eig_vec';
    ellipsoid_coords = ellipsoid_coords + repmat(class_mean, size(ellipsoid_coords,1), 1);
    % 重新整理为网格并绘制半透明椭球
    x_ell = reshape(ellipsoid_coords(:,1), size(theta));
    y_ell = reshape(ellipsoid_coords(:,2), size(theta));
    z_ell = reshape(ellipsoid_coords(:,3), size(theta));
    mesh(x_ell, y_ell, z_ell, 'FaceColor', class_colors(idx), 'FaceAlpha', 0.2, 'EdgeColor', 'none');
end

% 图形标注
legend('类别1', '类别2', '类别3');
xlabel('主成分1'); ylabel('主成分2'); zlabel('主成分3');
title('3D PCA散点图与95%置信椭球');

核心修复细节 #

• 协方差矩阵维度校验：确保current_data是n×3的矩阵，cov(current_data)生成3×3的协方差矩阵，包含三个维度的变异信息。
• 卡方自由度匹配：3D椭球对应3个维度，需使用chi2inv(0.95, 3)（临界值约7.81），而非2D场景的chi2inv(0.95, 2)（5.99）。
• 3D网格生成：通过theta（方位角）和phi（极角）生成完整的球面网格，确保椭球在三个维度都有扩展，而非仅XY平面。
• PCA维度确认：执行PCA时需保留前3个主成分，例如使用[coeff, score, latent] = pca(data, 'NumComponents', 3);，其中score即为3维的pca_data。

内容的提问来源于stack exchange，提问作者STEMQs