如何让OneClassSVM生成的Contour Plot为单条连续轮廓线？

我使用OneClassSVM进行异常值检测，期望绘制出覆盖非异常值区域的连续轮廓线，但当前得到的是两条孤立的轮廓线，需要实现无论形状如何都能生成单条连续轮廓线的效果。

代码实现 #

import numpy as np
from sklearn.svm import OneClassSVM
import matplotlib.pyplot as plt

ss = [[9.0, 1.0],[1.78, 2.14],[7.36, 2.67],[5.95, 2.5 ],[2.59, 2.87],[1.76, 2.45],[1.87, 2.45],[2.15, 2.61],[1.64, 2.17],[1.35, 2.27],
      [2.16, 2.3 ],[1.48, 2.32],[1.73, 2.41],[1.73, 2.39],[3.87, 1.38],[1.81, 2.7 ],[1.92, 2.72],[1.57, 2.62],[1.59, 2.48],[3.1 , 2.56]]
ssa = np.asarray(ss)
X1 = ssa
# 学习异常值检测的决策边界
xx1, yy1 = np.meshgrid(np.linspace(0, 10, 500), np.linspace(0, 6, 500))
model_1 = OneClassSVM(nu=0.25, gamma=0.35)
model_1.fit(X1)

Z1 = model_1.decision_function(np.c_[xx1.ravel(), yy1.ravel()])
Z1 = Z1.reshape(xx1.shape)

plt.figure(1)
plt.contour(xx1, yy1, Z1, levels=[0], linewidths=2, colors='r')
plt.scatter(X1[:, 0], X1[:, 1], color="black")
plt.show()

当前效果 #

期望效果 #

解决方案 #

原因分析 #

出现两条孤立轮廓线，是因为gamma=0.35和nu=0.25的参数组合让OneClassSVM学习到了两个分离的非异常值区域。可以通过调整模型参数或后处理决策结果来解决。

方法1：调整模型参数 #

降低gamma值（让模型决策边界更平滑），同时调整nu（控制模型允许的异常值比例），让模型学习到连续的决策区域。

修改模型初始化代码：

model_1 = OneClassSVM(nu=0.1, gamma=0.1)

调整后模型的决策边界会更平滑，大概率生成连续的轮廓线。

方法2：后处理决策结果（强制合并区域） #

如果不想调整模型参数，可以先填充所有非异常值区域（Z1 > 0的区域），再提取该区域的外轮廓，这样无论内部区域是否分离，最终只会显示一条连续的外轮廓线。

修改绘制部分的代码：

plt.figure(1)
# 填充非异常值区域（透明填充，仅用于提取轮廓）
plt.contourf(xx1, yy1, Z1 > 0, levels=[0, 1], colors='none')
# 提取填充区域的外轮廓线
contours = plt.contour(xx1, yy1, Z1 > 0, levels=[1], linewidths=2, colors='r')
plt.scatter(X1[:, 0], X1[:, 1], color="black")
plt.show()

内容的提问来源于stack exchange，提问作者Efrain