使用python生成数据集群？ [英] Using python to generate clusters of data?

问题描述

我正在使用Python函数，但我想在其中建模高斯分布，但是我仍然遇到了麻烦。

 以rnd 
的形式导入numpy.random以NP 
的numpy形式导入numpy（co1，co2，M）：
 X = rnd.randn（2，2M + 1）
t = rnd.randn（1，2M +1）
 numpy.concatenate（X，co1）
 numpy.concatenate（X，co2）
 return（X，t）
  

我正在尝试两个大小为M的簇，簇1的中心为co1，簇2的中心为二氧化碳X将返回我要绘制图形的数据点，而t是目标值（如果是簇1，则为1，如果是簇2，则为2），因此我可以按簇对其进行着色。

在这种情况下，t是2s的大小为2s的X，X是2M * 1的大小，如果X [i]在簇1中，则t [i]为1，而对于簇2，t [i]为1。

我认为开始执行此操作的最佳方法是使用numpys random生成数组数组。我感到困惑的是如何使其根据群集居中？

---

最好的方法是生成一个簇大小为M的簇，然后将co1添加到每个点？我如何使其随机，并确保t [i]正确着色？

我正在使用此函数来绘制数据图形：

  def graphData（）：
 co1 =（0.5，-0.5）
 co2 =（-0.5，0.5）
 M = 1000 
 X，t = genData（co1，co2，M）
颜色= np.array（['r'，'b']）
 plt.figure（ ）
 plt.scatter（X [:, 0]，X [:, 1]，color = colors [t]，s = 10）
  

解决方案

出于您的目的，我将使用 sklearn 示例生成器

此在这种情况下，对于您尝试实现的目标来说可能太多了，但总的来说，我认为最好还是依赖更通用且经过更好测试的库代码，这些代码也可以在其他情况下使用。

I'm working on a Python function, where I want to model a Gaussian distribution, I'm stuck though.

import numpy.random as rnd
import numpy as np

def genData(co1, co2, M):
  X = rnd.randn(2, 2M + 1)
  t = rnd.randn(1, 2M + 1)
  numpy.concatenate(X, co1)
  numpy.concatenate(X, co2)
  return(X, t)

I'm trying for two clusters of size M, cluster 1 is centered at co1, cluster 2 is centered at co2. X would return the data points I'm going to graph, and t are the target values (1 if cluster 1, 2 if cluster 2) so I can color it by cluster.

In that case, t is size 2M of 1s/2s and X is size 2M * 1, wherein t[i] is 1 if X[i] is in cluster 1 and the same for cluster 2.

I figured the best way to start doing this is generating the array array using numpys random. What I'm confused about is how to get it centered according to the cluster?

---

Would the best way be to generate a cluster sized M, then add co1 to each of the points? How would I make it random though, and make sure t[i] is colored in properly?

I'm using this function to graph the data:

def graphData():
    co1 = (0.5, -0.5)
    co2 = (-0.5, 0.5)
    M = 1000
    X, t = genData(co1, co2, M)
    colors = np.array(['r', 'b'])
    plt.figure()
    plt.scatter(X[:, 0], X[:, 1], color = colors[t], s = 10)

解决方案

For your purpose, I would go for sklearn sample generator make_blobs:

from sklearn.datasets.samples_generator import make_blobs

centers = [(-5, -5), (5, 5)]
cluster_std = [0.8, 1]

X, y = make_blobs(n_samples=100, cluster_std=cluster_std, centers=centers, n_features=2, random_state=1)

plt.scatter(X[y == 0, 0], X[y == 0, 1], color="red", s=10, label="Cluster1")
plt.scatter(X[y == 1, 0], X[y == 1, 1], color="blue", s=10, label="Cluster2")

You can generate multi-dimensional clusters with this. X yields data points and y is determining which cluster a corresponding point in X belongs to.

This might be too much for what you try to achieve in this case, but generally, I think it's better to rely on more general and better-tested library codes that can be used in other cases as well.

这篇关于使用python生成数据集群？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！