拟合GMM后如何为集群数据加上颜色标签？

Question

我正在尝试在GMM之后对群集数据进行一些标记，但是还没有找到一种方法。

让我解释一下：

我有一些x，y数据对成X = 30000x2数组。实际上，数组包含来自不同来源（已知）的数据，并且每个来源都具有相同数量的数据（因此，来源1具有500（x，y），来源2具有500（x，y），依此类推，所有这些都是附加到上面的X数组中）。

我在X上安装了GMM。聚类结果很好且符合预期，但是现在数据已聚类，我希望能够根据其初始来源对其进行颜色编码。

因此，假设我要用黑色显示群集2中源1的数据点。

有可能吗？

示例： 在原始数组中，我们有三个数据源。源1是1-10000，源2 10001-20000和源3 20001-30000的数据。

在进行GMM拟合和聚类后，我按照图1对数据进行了聚类，得到了两个聚类。它们中的红色都是无关紧要的。

我想根据簇2中数据点的索引和原始数组X修改颜色。 例如，如果数据点属于群集2（clusteridx = 2），那么我想检查它属于哪个源，然后为其着色并相应地标记它。这样您就可以知道群集2中的数据点来自哪个源，如图2所示。

原始簇

所需标签

Answer 1

您可以添加“ source_id”列，然后在其上绘制循环。例如：

% setup fake data
source1 = rand(10,2);
source2 = rand(15,2);
source3 = rand(8,2);
% end setup

% append column with source_id (you could do this in a loop if you have many sources)
source1 = [source1, repmat(1, length(source1), 1)];
source2 = [source2, repmat(2, length(source2), 1)];
source3 = [source3, repmat(3, length(source3), 1)];

mytable = array2table([source1; source2; source3]);
mytable.Properties.VariableNames = {'X' 'Y' 'source_id'};

figure
hold on;
for ii = 1:max(mytable.source_id)
    rows = mytable.source_id==ii;
    x = mytable.X(rows);
    y = mytable.Y(rows);
    label = char(strcat('Source ID =', {' '}, num2str(ii)));
    mycolor = rand(1,3); 
    scatter(x,y, 'MarkerEdgeColor', mycolor, 'MarkerFaceColor', mycolor, 'DisplayName', label);
end
set(legend, 'Location', 'best')