我在一个有8个维度（即8个特征）的空间中工作。我通过应用PCA和TSNE在2D中绘制了数据点。现在我还想画出我使用的分类器的边界，如下所示。顺便说一下，我正在使用不同的分类器（SVM，GNB，逻辑回归）。
这意味着我有不同的 8 维点，我使用 PCA 或 TSNE 在 2D 中绘制。在此图之上，我想绘制不同的分类区域，如上面的链接所示。
当然，分类边界/区域也是8维的。如何将分类边界/区域转换为与我的 2D 数据点匹配的 2D？
这里有一个有趣的问题，我曾经想知道过。可以通过多种方式回答它，包括或多或少的细节，具体取决于您是想完全理解还是应用该方法。
由于您没有太多细节，但您包含一个sklearn链接，我将首先从技术角度回答："您如何用sklearn做到这一点？
你有一个函数：transform(X, y=None)它将应用PCA投影（是的，PCA是高维空间到低维空间的投影）。
所以你基本上只需要给transform(your_boundaries)来应用它。
就伪代码而言，这将给出：
pca = PCA(n_component=2).fit(data)
2dboundaries = pca.transform(boundaries)
瞧！
不要犹豫，提供更多细节或提出问题。如果相关，我可以添加一些具体的开发。
希望对你有帮助
pltrdy