使用python生成数据集群？

Question

我正在研究一个Python函数，在那里我想模拟一个高斯分布，但我已经陷入困境。

import numpy.random as rnd
import numpy as np

def genData(co1, co2, M):
  X = rnd.randn(2, 2M + 1)
  t = rnd.randn(1, 2M + 1)
  numpy.concatenate(X, co1)
  numpy.concatenate(X, co2)
  return(X, t)

我正在尝试两个大小为M的群集，群集1以co1为中心，群集2以co2为中心。 X将返回我要进入图形的数据点，t是目标值（如果是簇1，则为1，如果是簇2，则为2），因此我可以按簇对其进行着色。

在这种情况下，t是2s的1s / 2s，X是2M * 1的大小，其中如果X [i]在簇1中则t [i]为1，而对于簇2则相同。

我认为开始这样做的最好方法是使用numpys random生成数组数组。我感到困惑的是如何根据群集使其居中？

最好的方法是生成一个大小为M的簇，然后将co1添加到每个点吗？我怎么能让它随机，并确保t [i]正确着色？

我使用此功能绘制数据图表：

def graphData():
    co1 = (0.5, -0.5)
    co2 = (-0.5, 0.5)
    M = 1000
    X, t = genData(co1, co2, M)
    colors = np.array(['r', 'b'])
    plt.figure()
    plt.scatter(X[:, 0], X[:, 1], color = colors[t], s = 10)

Answer 1

您可以使用以下代码：

center1 = (50, 60)
center2 = (80, 20)
distance = 20


x1 = np.random.uniform(center1[0], center1[0] + distance, size=(100,))
y1 = np.random.normal(center1[1], distance, size=(100,)) 

x2 = np.random.uniform(center2[0], center2[0] + distance, size=(100,))
y2 = np.random.normal(center2[1], distance, size=(100,)) 

plt.scatter(x1, y1)
plt.scatter(x2, y2)
plt.show()

Answer 2

出于您的目的，我会选择sklearn样本生成器make_blobs：

from sklearn.datasets.samples_generator import make_blobs

centers = [(-5, -5), (5, 5)]
cluster_std = [0.8, 1]

X, y = make_blobs(n_samples=100, cluster_std=cluster_std, centers=centers, n_features=2, random_state=1)

plt.scatter(X[y == 0, 0], X[y == 0, 1], color="red", s=10, label="Cluster1")
plt.scatter(X[y == 1, 0], X[y == 1, 1], color="blue", s=10, label="Cluster2")

您可以以此生成多维集群。 X产生数据点，y正在确定X中对应点属于哪个群集。

对于您在这种情况下想要实现的目标来说，这可能太多了，但总的来说，我认为最好还是依赖更通用且经过更好测试的库代码，这些代码也可以在其他情况下使用。