R语言ggplot2可视化可视化聚类图、使用geom_encircle函数绘制多边形标定属于同一聚类簇的数据点、并自定义每个聚类簇数据点的颜色、多边形框的颜色(Cluster Plot)、主副标题题注

以下是 使用 Python 代码 使用 OPTICS 算法对输电 点_云 _数据_进行 _聚类_的示例: python from sklearn. _cluster_ import OPTICS import numpy as np import mat _plot_lib.py _plot_ as plt # 加载输电 _点_云 _数据_ data = np.loadtxt('transmission_data.txt') # _使用_ OPTICS 算法进行 _聚类_ _cluster_ing = OPTICS().fit(data) # 获取 _每个_ _簇_的核心 _点_和边界 _点_ core_samples_mask = np.zeros_like(_cluster_ing.labels_, dtype=bool) core_samples_mask[_cluster_ing.core_sample_indices_] = True labels = _cluster_ing.labels_ n_ _cluster_s_ = l _en_(set(labels)) - (1 if -1 in labels else 0) unique_labels = set(labels) colors = [plt.cm.Spectral(each) for each in np.linspace(0, 1, l _en_(unique_labels))] # 分割出单根输电线并进行 _可视化_ for k, col in zip(unique_labels, colors): if k == -1: # 如果是噪声 _点_,则用黑色表示 col = [0, 0, 0, 1] class_member_mask = (labels == k) xy = data[class_member_mask & core_samples_mask] plt. _plot_(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col), markeredgecolor='k', markersize=14) xy = data[class_member_mask & ~core_samples_mask] plt. _plot_(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col), markeredgecolor='k', markersize=6) plt.title('OPTICS _cluster_ing') plt.show() 这段代码将输电 _点_云 _数据_加载到 data 变量中,然后 _使用 OPTICS 算法进行 聚类聚类_结果存储在 _cluster_ing 变量中,可以 _使用 _cluster_ing.labels_ 获取 每个 点_所属的 _簇_的标签。 _使用 _cluster_ing.core_sample_indices_ 获取 每个 簇_的核心 _点_的索引。 _使用 core_samples_mask 变量将核心 点_和边界 _点_分开。最后, _使用 plt 库将 聚类_结果 _可视化。 请注意,这只是一个示例,实际 _使用_时需要根据具体 _数据_进行调整。

Original: https://blog.csdn.net/zhongkeyuanchongqing/article/details/123042975
Author: Data+Science+Insight
Title: R语言ggplot2可视化可视化聚类图、使用geom_encircle函数绘制多边形标定属于同一聚类簇的数据点、并自定义每个聚类簇数据点的颜色、多边形框的颜色(Cluster Plot)、主副标题题注

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/563211/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球