基于Matplotlib的特征可视化：高维特征降维绘图问题咨询

刚好遇到过类似的情况，Matplotlib的散点图要求每个样本对应一个二维坐标点（x,y），而你的2048维特征直接用的话维度完全不匹配，所以核心思路是先把高维特征降维到2维，再按标签着色绘制散点图。下面给你两种最常用的实现方案：

方法1：PCA线性降维（快速，保留全局结构） #

PCA是线性降维方法，计算速度快，适合大规模数据，能保留数据的全局分布结构。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA

# 替换成你的真实数据：X是(200, 2048)的特征矩阵，y是(200,)的标签数组
X = np.random.rand(200, 2048)  # 模拟特征数据
y = np.random.randint(0, 10, size=200)  # 模拟标签（假设是0-9的整数）

# 初始化PCA，将特征降到2维
pca = PCA(n_components=2)
X_2d = pca.fit_transform(X)

# 绘制按标签着色的散点图
plt.figure(figsize=(10, 8))
# c=y 表示用标签值映射颜色，cmap选你喜欢的配色方案
scatter_plot = plt.scatter(X_2d[:, 0], X_2d[:, 1], c=y, cmap='viridis', alpha=0.7)
# 添加颜色条说明标签对应颜色
plt.colorbar(scatter_plot, label='标签')
plt.title('PCA降维后的特征散点图')
plt.xlabel('主成分1')
plt.ylabel('主成分2')
plt.show()

方法2：t-SNE非线性降维（可视化效果更好，适合聚类） #

t-SNE是非线性降维方法，能更好地保留样本间的局部聚类关系，可视化效果更直观，但计算速度比PCA慢一点（200样本完全没问题）。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.manifold import TSNE

# 同样替换成你的真实数据
X = np.random.rand(200, 2048)
y = np.random.randint(0, 10, size=200)

# 初始化t-SNE，perplexity参数建议设为5-50（样本数200的话30很合适）
tsne = TSNE(n_components=2, perplexity=30, random_state=42)
X_2d_tsne = tsne.fit_transform(X)

# 绘制散点图
plt.figure(figsize=(10, 8))
scatter_plot = plt.scatter(X_2d_tsne[:, 0], X_2d_tsne[:, 1], c=y, cmap='tab10', alpha=0.7)
plt.colorbar(scatter_plot, label='标签')
plt.title('t-SNE降维后的特征散点图')
plt.xlabel('t-SNE维度1')
plt.ylabel('t-SNE维度2')
plt.show()

一些小提示 #

• 如果你的标签是字符串类型（比如分类名称），可以先用sklearn.preprocessing.LabelEncoder把它转换成数值再传入c参数
• t-SNE的random_state参数建议固定，这样每次运行得到的降维结果一致，方便对比
• 可以调整cmap参数更换配色，比如'rainbow'、'tab20'都是常用的多分类配色
• 如果样本量很大，优先选PCA；如果更关注样本间的聚类关系，选t-SNE

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