高维二分类数据集探索咨询：13特征千余样本的可视化难题

嘿，针对你这个1000+样本、13维特征的二分类数据集探索需求，我来分享几个亲测有效的可视化思路，不用一下子盯着所有维度发愁——咱们拆开来、降维来，慢慢挖规律：

1. 单特征-目标变量的关联分析 #

先逐个摸透每个特征和分类的关系，单维度的图最直观，一眼就能看出两类样本的差异：

• 数值型特征：用箱线图或小提琴图，把每个特征按目标值0/1分组展示。比如你能快速发现“是不是类别1的样本在某特征上的中位数明显高于类别0”。
  用Python的seaborn快速实现：

  import seaborn as sns
  import matplotlib.pyplot as plt
  
  # 假设df是你的数据集，最后一列是目标列'target'
  for feature in df.columns[:-1]:
      plt.figure(figsize=(8, 4))
      sns.boxplot(x='target', y=feature, data=df)
      plt.title(f'{feature} 分布与目标类别的关联')
      plt.show()
  

• 类别型特征（如果有的话）：用堆叠柱状图展示每个类别下0/1的占比，直接看类别和分类的对应关系。

2. 双特征组合的可视化 #

你最初想的“每次选不同特征组合画图表”完全可行！13个特征总共78对组合，1000+样本的话画图速度很快，重点看两类样本在二维空间的聚类趋势：

• 散点图：两个特征作为x/y轴，用颜色区分目标值，能直观看到“是不是某块区域集中了大量类别1的样本”。
• 二维密度图：如果散点太拥挤，用密度图展示两类样本的分布重叠度，更清晰看特征组合的区分度。
  示例代码：

  # 可以手动选重点特征对，或者遍历所有组合
  feature_pairs = [('feature_0', 'feature_1'), ('feature_5', 'feature_10')]
  for feat1, feat2 in feature_pairs:
      plt.figure(figsize=(8, 6))
      sns.scatterplot(x=feat1, y=feat2, hue='target', data=df, alpha=0.7)
      plt.title(f'{feat1} vs {feat2} 按目标类别分布')
      plt.show()
  

3. 降维后全局可视化 #

既然13维没法直接看，用降维算法把维度降到2/3维，就能全局观察样本的聚类情况：

• PCA（主成分分析）：线性降维的首选，能保留数据最大方差的信息，适合看全局分布。
• t-SNE/UMAP：非线性降维，对局部聚类结构捕捉更好，1000+样本计算完全无压力。
  PCA实现示例：

  from sklearn.decomposition import PCA
  import pandas as pd
  
  # 分离特征和目标
  X = df.drop('target', axis=1)
  y = df['target']
  
  # 降维到2维
  pca = PCA(n_components=2)
  X_pca = pca.fit_transform(X)
  pca_df = pd.DataFrame(X_pca, columns=['主成分1', '主成分2'])
  pca_df['target'] = y
  
  # 可视化
  plt.figure(figsize=(8, 6))
  sns.scatterplot(x='主成分1', y='主成分2', hue='target', data=pca_df, alpha=0.7)
  plt.title('PCA二维投影下的数据集分布')
  plt.show()
  

4. 特征相关性热力图 #

用热力图展示所有特征之间、以及特征与目标变量的相关性，快速找出：

• 高度相关的特征（后续可以考虑合并或剔除，避免冗余）
• 和目标变量相关性高的特征（重点关注这些特征的建模潜力）
  代码示例：

  corr_matrix = df.corr()
  
  plt.figure(figsize=(12, 10))
  sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt='.2f')
  plt.title('特征相关性热力图')
  plt.show()
  

内容的提问来源于stack exchange，提问作者Pierre P.