以下文稿由 AI 整理，仅供参考。

异常检测结果可视化：全面展示模型预测效果

完成模型训练与评估之后，下一步是对测试数据及其检测结果进行可视化。通过直观的图形，我们可以清晰地看到正常数据、真实异常、预测正确的异常以及预测错误的异常在各自维度上的分布情况。本文将详细介绍如何定义可视化函数，并逐步实现多维度折线图与散点图的绘制。

定义可视化函数

首先，我们定义一个名为 plot_results 的函数，用于对测试数据、真实标签和预测标签进行可视化。该函数需要接收以下参数：

• test_data：测试集数据（已标准化）
• test_labels：测试集的真实标签（0 表示正常，1 表示异常）
• pred_labels：模型预测并经过转换后的标签（同样 0 正常，1 异常）
• dimensions：需要绘制的维度索引列表。由于原始数据共有 38 个维度，我们可以选择其中几个进行展示，例如前四个维度：[0, 1, 2, 3]

def plot_results(test_data, test_labels, pred_labels, dimensions=[0,1,2,3]):
    # 绘图逻辑
    pass

设置画布与子图

根据传入的维度数量，我们需要创建相应数量的子图，并让它们垂直排列。同时指定画布大小（宽度 16 英寸，高度 10 英寸），并让所有子图共享 X 轴。