Question

我对scikit学习很新，但想尝试一个有趣的项目。

我在英国拥有经度和纬度，我曾经使用scikit创建集群中心学习KMeans课程。为了可视化这些数据，而不是将点作为聚类，我想改为在每个聚类周围绘制边界。例如，如果一个集群是伦敦和另一个集群，我目前在每个城市的中心有一个点，但我想知道是否有办法使用这些数据来创建基于我的集群的边界线？

以下是我创建群集的代码：

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

location1="XXX"
df = pd.read_csv(location1, encoding = "ISO-8859-1")

#Run kmeans clustering
X = df[['long','lat']].values #~2k locations in the UK
y=df['label'].values   #Label is a 0 or 1
kmeans = KMeans(n_clusters=30, random_state=0).fit(X, y)
centers=kmeans.cluster_centers_
plt.scatter(centers[:,0],centers[:,1], marker='s', s=100)

所以我希望能够将上面例子中的中心转换成划分每个区域的线 - 这可能吗？

谢谢，

了Anant

Answer 1

我猜你在谈论空间边界，在这种情况下你应该遵循Bunyk的建议并使用Voronoi图[1]。以下是您可以实现的实际演示：http://nbviewer.jupyter.org/gist/pv/8037100。

Answer 2

您可以使用 Scipi 生成 Voronoi 图。 docs

对于您的代码，它将是

from scipy.spatial import Voronoi, voronoi_plot_2d
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

location1="XXX"
df = pd.read_csv(location1, encoding = "ISO-8859-1")

#Run kmeans clustering
X = df[['long','lat']].values #~2k locations in the UK
y=df['label'].values   #Label is a 0 or 1
kmeans = KMeans(n_clusters=30, random_state=0).fit(X, y)
centers=kmeans.cluster_centers_

plt.scatter(centers[:,0],centers[:,1], marker='s', s=100)


vor = Voronoi(centers)
fig = voronoi_plot_2d(vor,plt.gca())

plt.show()

基于kmeans聚类中心绘制边界线

2 个答案: