如何用判别函数绘制3个类之间的决策边界

Question

我有3个判别函数，把二维空间分成3个区域。我想画出这些区域之间的决策边界。我无法在python中使用matplotlib meshgrid来实现这一点。在

在2个判别函数的情况下，过程简单。我计算函数和等高线图之间的差值，值为0。在

lin_param = (-5, 5, 100)
xx = np.linspace(*lin_param)
yy = np.linspace(*lin_param)

x, y = np.meshgrid(xx, yy)

z = g1(x, y) - g2(x, y)
cp = plt.contour(x, y, z, levels=[0], colors="k")

plt.scatter(0, 0)
plt.scatter(2, 2)
plt.show()

其中g1和g2是平均值为（0，0）和（2，2）的多元高斯分布。（分布并不重要，我想将其应用于任何判别函数）

^{pr2}$

这一边是消极的，另一边是积极的。沿决策边界的值都为零。现在我要加上第三个函数g3，它的平均值是（-2，2）。绘制结果决策边界并不简单。我试着取3个函数的最大2个值，并将它们的差值指定为z值，但无法实现我想要的结果。在

我想看到的是与下图类似的内容：

有没有可能用类似的网格等值线图方法来实现？我不想显式计算直线。在

更新

利用轮廓法，可以用不同的颜色填充区域。然而，绘制边界线仍然是个问题。在

Answer 1

我想我达到了预期的产量。在

我并没有将函数之间的差异赋给z数组，而是指定了具有最大值的函数的索引。然后我使用类标签（或函数索引）之间的数字作为levels参数。例如，为了在类0和类1之间绘制边界，我在levels参数中添加了0.5。在

z = np.array((g1(x, y), g2(x, y), g3(x, y)))
z = np.argmax(z, axis=0)
cp = plt.contour(x, y, z, colors="k", levels=[0.5, 1.5, 2.5])