【matplotlib】降维 可视化

参见：sklearn.manifold
https://scikit-learn.org/stable/modules/classes.html#module-sklearn.manifold

下面是正文内容。

这是scikit-learn的类和函数参考。有关详细资料，请参阅完整的用户指南，因为类别和功能的原始规格可能不足以提供有关其使用的完整指南。有关在API中重复出现的概念的参考，请参见常用术语和API元素术语表。

常用降维方法

Matplotlib 提供了多种降维方法，以下是常见的方法及其详细描述：

1. row wise：每行一个数据点，每个数据点的value对应一个横坐标，一个纵坐标。

使用方法：

import matplotlib.pyplot as plt
import numpy as np

# 生成一个数据集
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制降维图
plt.plot(x, y)
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.title('降维图')
plt.show()

2. col wise：每列一个数据点，每个数据点的value对应一个横坐标，一个纵坐标。

使用方法：

import matplotlib.pyplot as plt
import numpy as np

# 生成一个数据集
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制降维图
plt.pcolor(x, y, cmap='gray')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.title('降维图')
plt.show()

3. 图像降维：将数据集转换为图像，并将图像降维到指定的维数。

使用方法：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.image import imread

# 读取图像
img = imread('image.jpg')

# 转换为灰度图像
img = img[:, :, 0]

# 降维到2维
img_2d = np.reshape(img, (img.shape[0], img.shape[1]))

# 绘制降维图
plt.imshow(img_2d, cmap='gray')
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.title('降维图')
plt.show()

4. 折线降维：将数据集转换为折线图，并将折线降维到指定的维数。

使用方法：

import matplotlib.pyplot as plt
import numpy as np

# 生成一个数据集
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制折线图
plt.plot(x, y)

# 降维到2维
x_2d = np.reshape(x, (x.shape[0], 1))
y_2d = np.reshape(y, (y.shape[0], 1))

# 绘制降维图
plt.plot(x_2d, y_2d)
plt.xlabel('X 轴')
plt.ylabel('Y 轴')
plt.title('降维图')
plt.show()

5. 折线面降维：将数据集转换为折线面图，并将折线面降维到指定的维数。

使用方法：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.collections import LineCollection

# 生成一个数据集
x = np.linspace(0,