为一维数据绘制KMeans聚类和分类

Question

我正在使用KMeans对具有不同特征的三个时间序列数据集进行聚类。出于可复制性原因，我正在共享数据here。

这是我的代码

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

protocols = {}

types = {"data1": "data1.csv", "data2": "data2.csv", "data3": "data3.csv"}

for protname, fname in types.items():
    col_time,col_window = np.loadtxt(fname,delimiter=',').T
    trailing_window = col_window[:-1] # "past" values at a given index
    leading_window  = col_window[1:]  # "current values at a given index
    decreasing_inds = np.where(leading_window < trailing_window)[0]
    quotient = leading_window[decreasing_inds]/trailing_window[decreasing_inds]
    quotient_times = col_time[decreasing_inds]

    protocols[protname] = {
        "col_time": col_time,
        "col_window": col_window,
        "quotient_times": quotient_times,
        "quotient": quotient,
    }



k_means = KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300,
    n_clusters=3, n_init=10, n_jobs=None, precompute_distances='auto',
    random_state=0, tol=0.0001, verbose=0)
k_means.fit(quotient.reshape(-1,1))

这样，给定一个新的数据点（带有quotient和quotient_times），我想通过构建每个数据集来堆叠这两个变换特征{{ 1}}和cluster与quotient。

quotient_times给出此输出KMeans

最后，我想使用k_means.labels_可视化群集，但是出现了此错误：array([1, 1, 0, 1, 2, 1, 0, 0, 2, 0, 0, 2, 0, 0, 1, 0, 0, 0, 0, 0], dtype=int32)。我们如何绘制plt.plot(k_means, ".",color="blue")簇？

Answer 1

您正在有效地寻找的是在给定类中的点之间的一系列值。使用KMeans以这种方式对一维数据进行分类是很不常见的，尽管它确实可以工作。如您所见，您需要将输入数据转换为2d数组才能使用该方法。

k_means = KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300,
    n_clusters=3, n_init=10, n_jobs=None, precompute_distances='auto',
    random_state=0, tol=0.0001, verbose=0)

quotient_2d = quotient.reshape(-1,1)
k_means.fit(quotient_2d)

稍后，您将再次需要quotient_2d进行分类（预测）步骤。

首先，我们可以绘制质心，因为数据为1d，所以x轴点是任意的。

colors = ['r','g','b']
centroids = k_means.cluster_centers_
for n, y in enumerate(centroids):
    plt.plot(1, y, marker='x', color=colors[n], ms=10)
plt.title('Kmeans cluster centroids')

这将产生以下图。

要获取这些点的集群成员身份，请将quotient_2d传递到.predict。这会返回一组数字作为类成员资格，例如

>>> Z = k_means.predict(quotient_2d)
>>> Z
array([1, 1, 0, 1, 2, 1, 0, 0, 2, 0, 0, 2, 0, 0, 1, 0, 0, 0, 0, 0], dtype=int32)

我们可以使用它来过滤原始数据，以单独的颜色绘制每个类。

# Plot each class as a separate colour
n_clusters = 3 
for n in range(n_clusters):
    # Filter data points to plot each in turn.
    ys = quotient[ Z==n ]
    xs = quotient_times[ Z==n ]

    plt.scatter(xs, ys, color=colors[n])

plt.title("Points by cluster")

这将使用原始数据生成以下图，每个点都由聚类成员着色。

Answer 2

如果我正确理解，您想绘制的是Kmeans结果的边界决定。 您可以在精简scikit的网站here中找到一个示例。

上面的示例甚至都在进行PCA，因此可以以2D形式可视化数据（如果您的数据维大于2），因为这无关紧要。

您可以根据Kmeans决策轻松绘制散点图的颜色，以便更好地了解聚类错误的地方。