R中超过2个集群的colorRampPalette

Question

我想根据与这些点相关的概率函数，以一种模糊的方式为这些点着色。

我已经处理了2起案件。首先，我建立我的数据集和给定2个聚类相关联的概率。

set.seed(16)
rbPal <- colorRampPalette(c('yellow','red')) 
(mu1<-c(0,0))                  # vector mean multinom 1
(S1<-matrix(c(0.1,0,0,0.6),2)) # var/cov matrix multinom 1
(mu2<-c(3,0))                  # vector mean multino 2
(S2<- matrix(c(1,0,0,0.1),2))  # var/cov matrix multinom 2

x1<-mvrnorm(n=100, mu=mu1,Sigma=S1 )
x2<-mvrnorm(n=100, mu=mu2,Sigma=S2 )

x<-rbind(x1,x2)              # Dataset

euc.dist<-function (a,b){
sqrt(sum((a-b)^2))
}

randC<-x[sample(nrow(x),2),]
Distmatrix<- t(apply(x,1,function(r) apply(randC,1, function(s) euc.dist(r, 
s))))
mat<-matrix(,200,2)
mat<-apply(mat,2,function(x) x=apply(Distmatrix,1, prod))/Distmatrix

P<-t(apply(mat, 1, function(x) x/sum(x)))
D4<-data.frame(x,P)

D4$Col <- rbPal(10)[as.numeric(cut(D4$X1.1,breaks = 10))]


plot(D4$X1,D4$X2,pch = 20,col = D4$Col, cex=1.2) 
points(randC, col="red")

这就是我将2个点想象为聚类的质心的原因。

如果我想做相同的彩色工作想象两个以上的簇怎么办？

所以我应该有：

[...]
set.seed(50)
rbPal <- colorRampPalette(c('yellow','red',"green"))
mat<-matrix(,200,3) 
randC<-x[sample(nrow(x),3),]
Distmatrix<- t(apply(x,1,function(r) apply(randC,1, function(s) euc.dist(r, 
s))))

mat<-apply(mat,2,function(x) x=apply(Distmatrix,1, prod))/Distmatrix

P<-t(apply(mat, 1, function(x) x/sum(x)))
D4<-data.frame(x,P)

D4$Col <- rbPal(10)[as.numeric(cut(D4$X1.1,breaks = 10))]


plot(D4$X1,D4$X2,pch = 20,col = D4$Col, cex=1.2) 
points(randC, col="red")

这是错误的，因为我希望每个质心都具有某种颜色的最大值，然后根据距离决定阴影，具体取决于哪个类。

Answer 1

您可能需要自己做混合功能。

如果您有两个以上的簇，那么线性色彩空间就不再足够了。

最简单的选择是在每种组分中进行线性混合。直接实施。对于更高级的情况，您可能希望“平衡”点（所有距离都相等）为灰色，而不是平均颜色。

作为临时解决方案，您还可以为每个群集设置调色板，从灰色到群集颜色。然后使用第i个调色板的（x_j-x_i）/ x_j作为值，其中x_i是最小的值，x_j是第二小的值。如果x_i = x_j，则该值为0（灰色）。如果x_i = 0，则值为1。

这可能很漂亮，但可能会引起误解，因为它并非在所有地方都使用相同的缩放比例。

Answer 2

我想我找到了一个很好的解决方案，这就是问题所在：

set.seed(50)
mat<-matrix(,200,3) 
randC<-x[sample(nrow(x),3),]
Distmatrix<- t(apply(x,1,function(r) apply(randC,1, function(s) euc.dist(r, 
                                                                         s))))

mat<-apply(mat,2,function(x) x=apply(Distmatrix,1, prod))/Distmatrix

P<-t(apply(mat, 1, function(x) x/sum(x)))
D4<-data.frame(x,P)


rbPal<-list()
for(i in 1:k){
  rbPal[[i]] <- colorRampPalette(c('white',col=I(i+1)))
}
for(i in 1:k){
  D4[[dim(D4)[2]+1]] <- rbPal[[i]](10)[as.numeric(cut(D4[[2+i]],breaks = 10))]
}


for(i in 1:k){
  D4[[dim(D4)[2]+1]]<-t(col2rgb(D4[[dim(D4)[2]-k+1]])) 
}

prova<-matrix(0,dim(D4)[1],3)
for(i in 1:k){
  prova<-prova+D4[,(dim(D4)[2]-k+i)]*P[,i]
}
prova[is.nan(prova)] <- 0
provcol=apply(prova,1, function(x) rgb(x[1], x[2], x[3], maxColorValue=255))
plot(D4$X1,D4$X2,pch = 20,col = provcol, cex=1.5) 
points(randC, col="red")

我基本上创建了k个不同的调色板，每个调色板都是从白色开始的，白色是每个人的共同色。然后，根据概率，将k个聚类概率的rgb值与加权混合混合。