我编写了一个函数,它在正态分布上进行kmeans聚类。该函数可用于一维和二维正态分布。绘制1d kmeans聚类非常简单,可以使用以下方法完成:
plot(data[idx==0,0],data[idx==0,1],'ob',
data[idx==1,0],data[idx==1,1],'or',
data[idx==2,0],data[idx==2,1],'og',
data[idx==3,0],data[idx==3,1],'oy',
data[idx==4,0],data[idx==4,1],'oc')
plot(centroids[:,0],centroids[:,1],'sg',markersize=8)
show()
这将给出这样的情节:
2d正态分布图如下:
二维正态分布有mean = [a b]
和var = [[p q],[r s]]
用于聚类2d分布的质心也具有与点的平均值和变量相同的形状(显然)。我面临的问题是绘制这些数据。如何使用python和matplotlib可视化。因此,1-d情况下的点将被椭圆替换,质心也将是椭圆。群集应该类似于:
其中黑色椭圆是2d分布,红色椭圆是2d质心。
我用来绘制单个2d分布的绘图函数是:
def plot2DND(mean, variance):
mean1 = mean.flatten()
cov1 = variance
nobs = 2500
rvs1 = np.random.multivariate_normal(mean1, cov1, size=nobs)
plt.plot(rvs1[:, 0], rvs1[:, 1], '.')
plt.axis('equal')
plt.show()
下图更好地显示了需求(来自:http://www.lix.polytechnique.fr/~nielsen/pdf/2008-C-ClusteringNormal-ETVC.pdf)
是否可以使用python和matplotlib(或其他库)实现类似的功能。或者这种类型的数据可以更好地进行可视化?
答案 0 :(得分:2)
您需要做的第一件事是更改绘图功能,以便绘制单个轮廓而不是所有点。您可以使用Ellipse
来执行此操作,并使用方差矩阵的特征值和特征向量来查找角度(我希望我做得对,它可能需要方差对称)。
from matplotlib.patches import Ellipse
def plot_ellipse(mean, var, ec='k', alpha=1):
evals, evecs = np.linalg.eig(var)
ang = np.degrees(np.arctan2(*evecs[1]))
ell = Ellipse(mean, *np.abs(evals), angle=ang, fc='None', ec=ec, alpha=alpha)
plt.gca().add_artist(ell)
所以,假设您已经完成了数据所需的任何操作,最终会得到类似mean_centroids
和variance_centroids
的内容(k, 2)
和(k, 2, 2)
。
colors = ['r', 'g', 'b'] # length of this should be `k`
for i, (m, v) in enumerate(zip(mean_centroids, variance_centroids)):
plot_ellipse(m, v, ec=colors[i])
你可能有一个包含大量均值和差异的数据数组,所以你可以循环遍历它,按标签着色,你可以从centroids, labels = kmeans2(data, k)
获得:
for i, m, v in zip(labels, means, variances):
plot_ellipse(m, v, ec=colors[i], alpha=.5)
顺便说一下,你可以用第一个散点图示例替换:
colors = ['b', 'r', 'g', 'y', 'c']
plt.scatter(*data.T, c=np.choose(ids, colors))
plt.plot(centroids[:,0],centroids[:,1],'sg',markersize=8)
show()