使用python生成数据集群？

Question

我正在研究一个 Python 函数，我想在其中建模一个高斯分布，但我被困住了。

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)

我正在尝试两个大小为 M 的集群，集群 1 以 co1 为中心，集群 2 以 co2 为中心。 X 将返回我要绘制的数据点，t 是目标值（如果集群 1 为 1，如果集群 2 为 2），因此我可以按集群对其进行着色。

在这种情况下，t 的大小为 1s/2s 的 2M，X 的大小为 2M * 1，其中如果 X[i] 在集群 1 中，则 t[i] 为 1，对于集群 2 也是如此。

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。我很困惑的是如何根据集群使其居中？

---

最好的方法是生成一个大小为 M 的集群，然后将 co1 添加到每个点？我如何让它随机，并确保 t[i] 正确着色？

我正在使用这个函数来绘制数据：

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)

Answer 1

你可以使用类似下面的代码：

center1 = (50, 60)
center2 = (80, 20)
distance = 20


x1 = np.random.uniform(center1[0], center1[0] + distance, size=(100,))
y1 = np.random.normal(center1[1], distance, size=(100,)) 

x2 = np.random.uniform(center2[0], center2[0] + distance, size=(100,))
y2 = np.random.normal(center2[1], distance, size=(100,)) 

plt.scatter(x1, y1)
plt.scatter(x2, y2)
plt.show()

Answer 2

出于您的目的，我会选择sklearn 样本生成器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")

您可以使用它生成多维集群。 X 产生数据点，y 正在确定X 中的对应点属于哪个集群。

这对于您在这种情况下尝试实现的目标可能太过分了，但总的来说，我认为最好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。