Python绘制3D SVM决策面触发索引错误，求排查原因

核心错误原因 #

1. 变量名冲突覆盖：plot_3D_surface函数中，传入的标签参数y被后续np.meshgrid生成的网格变量y覆盖。后续代码X[y == 0, ...]中的y已不是原始标签数组，而是形状为(30,30)的网格数组，用它作为布尔索引匹配X的行维度（4000行）时，维度不匹配引发索引错误。
2. 函数参数拼写错误：函数定义的第一个参数为mode，但内部却调用model.fit(X, y)，依赖全局变量而非传入的模型参数，破坏了函数的封装性。

修复后的代码 #

from sklearn.datasets import make_classification
import numpy as np
from sklearn.svm import LinearSVC
import  matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

def plot_3D_surface(model,X,y):
    model.fit(X, y)
    # 重命名网格变量避免冲突，同步修正lambda参数
    z = lambda x_val, y_val: (-model.intercept_[0] - model.coef_[0][0] * x_val - model.coef_[0][1] * y_val) / model.coef_[0][2]

    tmp = np.linspace(-5, 5, 30)
    x_val, y_val = np.meshgrid(tmp, tmp)

    fig = plt.figure()
    ax = fig.add_subplot(111, projection='3d')
    ax.plot3D(X[y == 0, 0], X[y == 0, 1], X[y == 0, 2], 'ob')
    ax.plot3D(X[y == 1, 0], X[y== 1, 1], X[y == 1, 2], 'sr')
    ax.plot_surface(x_val, y_val, z(x_val, y_val))
    ax.view_init(30, 60)
    plt.show()

def plot_2D_surface(model,X,y,h=0.2,**params):
    X0, X1 = X[:, 0], X[:, 1]
    x_min, x_max = X0.min() - 1, X0.max() + 1
    y_min, y_max = X1.min() - 1, X1.max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h), np.arange(y_min, y_max, h))
    fig, ax = plt.subplots()
    Z = model.predict(np.c_[xx.ravel(), yy.ravel()])
    Z = Z.reshape(xx.shape)
    out = ax.contourf(xx, yy, Z, **params)
    ax.scatter(X0, X1, c=y, cmap=plt.cm.coolwarm, s=20, edgecolors='k')
    ax.set_ylabel('y label here')
    ax.set_xlabel('x label here')
    ax.set_xticks(())
    ax.set_yticks(())
    ax.set_title('Decision surface of linear SVC ')
    ax.legend()
    plt.show()

# 调用代码
X, y= make_classification(n_samples=4000,n_features=3,n_informative=3,n_redundant=0,random_state=1)
print(X[y==0,2])
model = LinearSVC()
model.fit(X, y)
#plot_2D_surface(model ,X, y, cmap=plt.cm.coolwarm, alpha=0.8)
plot_3D_surface(model,X,y)

修复说明 #

• 将网格生成的变量名从x, y改为x_val, y_val，彻底避免与标签参数y的命名冲突。
• 修正plot_3D_surface的参数名，将mode改为model，确保使用传入的模型参数而非全局变量。
• 同步修改lambda表达式中的参数名，与网格变量名保持一致。

内容的提问来源于stack exchange，提问作者neural science