Làm thế nào để vẽ đồ thị đầu ra của phân cụm?

Tôi đã thử phân cụm một tập hợp dữ liệu (một tập hợp các dấu) và nhận được 2 cụm. Tôi muốn đại diện đồ họa nó. Bit bối rối về biểu diễn, vì tôi không có tọa độ (x, y).

Cũng đang tìm kiếm hàm MATLAB / Python để làm như vậy.

BIÊN TẬP

Tôi nghĩ rằng việc đăng dữ liệu làm cho câu hỏi rõ ràng hơn. Tôi có hai cụm tôi đã tạo bằng cách sử dụng kmeans clustering trong Python (không sử dụng scipy). họ đang

class 1: a=[3222403552.0, 3222493472.0, 3222491808.0, 3222489152.0, 3222413632.0, 
3222394528.0, 3222414976.0, 3222522768.0, 3222403552.0, 3222498896.0, 3222541408.0, 
3222403552.0, 3222402816.0, 3222588192.0, 3222403552.0, 3222410272.0, 3222394560.0, 
3222402704.0, 3222298192.0, 3222409264.0, 3222414688.0, 3222522512.0, 3222404096.0, 
3222486720.0, 3222403968.0, 3222486368.0, 3222376320.0, 3222522896.0, 3222403552.0, 
3222374480.0, 3222491648.0, 3222543024.0, 3222376848.0, 3222403552.0, 3222591616.0, 
3222376944.0, 3222325568.0, 3222488864.0, 3222548416.0, 3222424176.0, 3222415024.0, 
3222403552.0, 3222407504.0, 3222489584.0, 3222407872.0, 3222402736.0, 3222402032.0, 
3222410208.0, 3222414816.0, 3222523024.0, 3222552656.0, 3222487168.0, 3222403728.0, 
3222319440.0, 3222375840.0, 3222325136.0, 3222311568.0, 3222491984.0, 3222542032.0, 
3222539984.0, 3222522256.0, 3222588336.0, 3222316784.0, 3222488304.0, 3222351360.0, 
3222545536.0, 3222323728.0, 3222413824.0, 3222415120.0, 3222403552.0, 3222514624.0, 
3222408000.0, 3222413856.0, 3222408640.0, 3222377072.0, 3222324304.0, 3222524016.0, 
3222324000.0, 3222489808.0, 3222403552.0, 3223571920.0, 3222522384.0, 3222319712.0, 
3222374512.0, 3222375456.0, 3222489968.0, 3222492752.0, 3222413920.0, 3222394448.0, 
3222403552.0, 3222403552.0, 3222540576.0, 3222407408.0, 3222415072.0, 3222388272.0, 
3222549264.0, 3222325280.0, 3222548208.0, 3222298608.0, 3222413760.0, 3222409408.0, 
3222542528.0, 3222473296.0, 3222428384.0, 3222413696.0, 3222486224.0, 3222361280.0, 
3222522640.0, 3222492080.0, 3222472144.0, 3222376560.0, 3222378736.0, 3222364544.0, 
3222407776.0, 3222359872.0, 3222492928.0, 3222440496.0, 3222499408.0, 3222450272.0, 
3222351904.0, 3222352480.0, 3222413952.0, 3222556416.0, 3222410304.0, 3222399984.0, 
3222494736.0, 3222388288.0, 3222403552.0, 3222323824.0, 3222523616.0, 3222394656.0, 
3222404672.0, 3222405984.0, 3222490432.0, 3222407296.0, 3222394720.0, 3222596624.0, 
3222597520.0, 3222598048.0, 3222403552.0, 3222403552.0, 3222403552.0, 3222324448.0, 
3222408976.0, 3222448160.0, 3222366320.0, 3222489344.0, 3222403552.0, 3222494480.0, 
3222382032.0, 3222450432.0, 3222352000.0, 3222352528.0, 3222414032.0, 3222728448.0, 
3222299456.0, 3222400016.0, 3222495056.0, 3222388848.0, 3222403552.0, 3222487568.0, 
3222523744.0, 3222394624.0, 3222408112.0, 3222406496.0, 3222405616.0, 3222592160.0, 
3222549360.0, 3222438560.0, 3222597024.0, 3222597616.0, 3222598128.0, 3222403552.0, 
3222403552.0, 3222403552.0, 3222499056.0, 3222408512.0, 3222402064.0, 3222368992.0, 
3222511376.0, 3222414624.0, 3222554816.0, 3222494608.0, 3222449792.0, 3222351952.0, 
3222352272.0, 3222394736.0, 3222311856.0, 3222414288.0, 3222402448.0, 3222401056.0, 
3222413568.0, 3222298848.0, 3222297184.0, 3222488000.0, 3222490528.0, 3222394688.0, 
3222408224.0, 3222406672.0, 3222404896.0, 3222443120.0, 3222403552.0, 3222596400.0, 
3222597120.0, 3222597712.0, 3222400896.0, 3222403552.0, 3222403552.0, 3222403552.0, 
3222299200.0, 3222321296.0, 3222364176.0, 3222602208.0, 3222513040.0, 3222414656.0, 
3222564864.0, 3222407904.0, 3222449984.0, 3222352096.0, 3222352432.0, 3222452832.0, 
3222368560.0, 3222414368.0, 3222399376.0, 3222298352.0, 3222573152.0, 3222438080.0, 
3222409168.0, 3222523488.0, 3222394592.0, 3222405136.0, 3222490624.0, 3222406928.0, 
3222407104.0, 3222442464.0, 3222403552.0, 3222596512.0, 3222597216.0, 3222597968.0, 
3222438208.0, 3222403552.0, 3222403552.0, 3222403552.0]

class 2: b=[3498543128.0, 3498542920.0, 3498543252.0, 3498543752.0, 3498544872.0, 
3498544528.0, 3498543024.0, 3498542548.0, 3498542232.0]

Tôi muốn vẽ nó. Tôi đã thử sau đây và nhận được kết quả sau khi tôi vẽ avà b.

pylab.plot(a,'x')
pylab.plot(b,'o')
pylab.show()

Tôi có thể có được một hình dung tốt hơn của cụm?

Thông thường, bạn sẽ vẽ các giá trị ban đầu trong một biểu đồ phân tán (hoặc một ma trận của các biểu đồ phân tán nếu bạn có nhiều trong số chúng) và sử dụng màu sắc để hiển thị các nhóm của bạn.

Bạn đã yêu cầu một câu trả lời trong python, và bạn thực sự thực hiện tất cả các cụm và âm mưu với scipy, numpy và matplotlib:

Bắt đầu bằng cách tạo một số dữ liệu

import numpy as np
from scipy import cluster
from matplotlib import pyplot

np.random.seed(123)
tests = np.reshape( np.random.uniform(0,100,60), (30,2) )
#tests[1:4]
#array([[ 22.68514536,  55.13147691],
#       [ 71.94689698,  42.31064601],
#       [ 98.07641984,  68.48297386]])

Có bao nhiêu cụm?

Đây là điều khó khăn về phương tiện k, và có rất nhiều phương pháp. Hãy sử dụng phương pháp khuỷu tay

#plot variance for each value for 'k' between 1,10
initial = [cluster.vq.kmeans(tests,i) for i in range(1,10)]
pyplot.plot([var for (cent,var) in initial])
pyplot.show()

Chỉ định các quan sát của bạn cho các lớp và vẽ đồ thị cho chúng

Tôi nghĩ chỉ số 3 (tức là 4 cụm) là tốt như bất kỳ

cent, var = initial[3]
#use vq() to get as assignment for each obs.
assignment,cdist = cluster.vq.vq(tests,cent)
pyplot.scatter(tests[:,0], tests[:,1], c=assignment)
pyplot.show()

Chỉ cần tìm ra nơi bạn có thể dính bất cứ thứ gì bạn đã thực hiện vào quy trình công việc đó (và tôi hy vọng các cụm của bạn đẹp hơn một chút so với các cụm ngẫu nhiên!)

Có lẽ thử một cái gì đó như Fastmap để vẽ biểu đồ của bạn bằng khoảng cách tương đối của chúng.

(vẫn) không có gì thông minh đã viết Fastmap trong python để vẽ chuỗi và có thể dễ dàng cập nhật để xử lý danh sách các thuộc tính nếu bạn viết lên số liệu khoảng cách của riêng bạn.

Dưới đây là khoảng cách euclide tiêu chuẩn tôi sử dụng, lấy hai danh sách các thuộc tính làm tham số. Nếu danh sách của bạn có giá trị lớp, đừng sử dụng nó trong tính toán khoảng cách.

def distance(vecone, vectwo, d=0.0):
    for i in range(len(vecone)):
        if isnumeric(vecone[i]):
            d = d + (vecone[i] - vectwo[i])**2
        elif vecone[i] is not vectwo[i]:
            d += 1.0
    return math.sqrt(d)

def isnumeric(s):
    try:
        float(s)
        return True
    except ValueError:
        return False

Tôi không phải là chuyên gia về trăn, nhưng cực kỳ hữu ích khi vẽ 2 thành phần chính thứ nhất với nhau trên các trục x, y.

Không chắc chắn những gói bạn đang sử dụng, nhưng đây là một liên kết mẫu:

http://pyrorobotics.org/?page=PyroModuleAnalysis