GMM拟合特征数不匹配报错及离群点检测等高线绘制问题

你最初训练模型时错误使用了reshape(-1,1)操作：原本选中的r_max、b_max是2个特征的二维数组，执行reshape后会被拉伸为仅1个特征的一维数组，所有r、b的取值被混为单特征数据输入GMM训练，因此训练好的模型仅接收1维特征输入。后续生成的XX是每个样本包含2个特征的网格数据，和模型要求的输入维度不匹配，触发维度错误。
你后续删除了错误的reshape操作，直接使用2列的特征数组训练模型，模型输入维度与XX匹配，因此可以正常运行。

仅使用r_max单个变量无法绘制常规的分布等高线：等高线是二维平面的可视化形式，需要两个维度的变量生成网格点，用来展示不同坐标下的分布密度变化。单特征仅能生成一维的概率密度曲线，若强制绘制等高线需要额外引入第二个无意义维度（比如样本索引），没有实际业务价值，单特征的分布更适合用直方图叠加概率密度曲线的方式展示。

你修改后的代码中对score_samples的返回值取负是合理操作：GMM的score_samples返回的是样本的对数似然，取值为负数，而LogNorm归一化仅支持正数值输入，取负后数值越小代表原始对数似然越高、样本越符合学习到的分布，等高线外层区域对应的负对数似然更高，该区域的样本就是你要识别的离群点。
最终可视化结果如下：

内容的提问来源于stack exchange，提问作者user16285826