分享python机器学习中应用所产生的聚类数据集方法(数据集合)

01直接生成

这类方法是利用基本程序软件包numpy的随机数产生方法来生成各类用于聚类算法数据集合，也是自行制作轮子的生成方法。

一、基础类型

1、月牙形数据集合

from headm import *
import numpy as np
pltgif = PlotGIF()
def moon2Data(datanum):
 x1 = linspace(-3, 3, datanum)
 noise = np.random.randn(datanum) * 0.15
 y1 = -square(x1) / 3 + 4.5 + nois
 x2 = linspace(0, 6, datanum)
 noise = np.random.randn(datanum) * 0.15
 y2 = square(x2 - 3) / 3 + 0.5 + noise
 plt.clf()
 plt.axis([-3.5, 6.5, -.5, 5.5])
 plt.scatter(x1, y1, s=10)
 plt.scatter(x2, y2, s=10)
 plt.draw()
 plt.pause(.1)
 pltgif.append(plt)
for _ in range(20):
 moon2Data(300)
pltgif.save(r'd:\temp\GIF1.GIF')

2、方形数据集

from headm import *
import numpy as np
pltgif = PlotGIF()
def moon2Data(datanum):
 x = np.random.rand(datanum, 2)
 condition1 = x[:, 1] <= x[:, 0]
 condition2 = x[:, 1] <= (1-x[:, 0])
 index1 = np.where(condition1 & condition2)
 x1 = x[index1]
 x = np.delete(x, index1, axis=0)
 index2 = np.where(x[:, 0] <= 0.5)
 x2 = x[index2]
 x3 = np.delete(x, index2, axis=0)
 plt.clf()
 plt.scatter(x1[:, 0], x1[:, 1], s=10)
 plt.scatter(x2[:, 0], x2[:, 1], s=10)
 plt.scatter(x3[:, 0], x3[:, 1], s=10)
 plt.draw()
 plt.pause(.1)
 pltgif.append(plt)
for _ in range(20):
 moon2Data(1000)
pltgif.save(r'd:\temp\GIF1.GIF')

3、螺旋形数据集合

from headm import *
import numpy as np
pltgif = PlotGIF()
def randData(datanum):
 t = 1.5 * pi * (1+3*random.rand(1, datanum))
 x = t * cos(t)
 y = t * sin(t)
 X = concatenate((x,y))
 X += 0.7 * random.randn(2, datanum)
 X = X.T
 norm = plt.Normalize(y.min(), y.max())
 plt.clf()
 plt.scatter(X[:, 0], X[:, 1], s=10, c=norm(X[:,0]), cmap='viridis')
 plt.axis([-20, 21, -20, 16])
 plt.draw()
 plt.pause(.1)
 pltgif.append(plt)
for _ in range(20):
 randData(1000)
pltgif.save(r'd:\temp\GIF1.GIF')

下面的知识螺旋线，没有随机移动的点。

将随机幅值从原来的0.7增大到1.5，对应的数据集合为：

02样本生成器

利用sklearn.datasets自带的样本生成器来生成相应的数据集合。

一、基础数据集

1、点簇形数据集合

from headm import *
from sklearn.datasets import make_blobs
pltgif = PlotGIF()
def randData(datanum):
 x1,y1 = make_blobs(n_samples=datanum, n_features=2, centers=3, random_state=random.randint(0, 1000))
 plt.clf()
 plt.scatter(x1[:,0], x1[:, 1], c=y1, s=10)
 plt.draw()
 plt.pause(.1)
 pltgif.append(plt)
for _ in range(20):
 randData(300)
pltgif.save(r'd:\temp\gif1.gif')

绘制三簇点集合，也可以使用如下的语句：

plt.scatter(x1[y1==0][:,0], x1[y1==0][:,1], s=10)
plt.scatter(x1[y1==1][:,0], x1[y1==1][:,1], s=10)
plt.scatter(x1[y1==2][:,0], x1[y1==2][:,1], s=10)

2、线簇形数据集合

生成代码，只要在前面的x1后面使用旋转矩阵。

transformation = [[0.60834549, -0.63667341], [-0.40887718, 0.85253229]]
x1 = dot(x1, transformation)

其中转换矩阵的特征值与特征向量为：

特征值：[0.20581711.25506068]
特征向量：[[-0.845237740.7015526][-0.53439045-0.71261768]]

3、环形数据集合

from headm import *
from sklearn.datasets import make_circles
pltgif = PlotGIF()
def randData(datanum):
 x1,y1 = make_circles(n_samples=datanum, noise=0.07, random_state=random.randint(0, 1000), factor=0.6)
 plt.clf()
 plt.scatter(x1[y1==0][:,0], x1[y1==0][:,1], s=10)
 plt.scatter(x1[y1==1][:,0], x1[y1==1][:,1], s=10)
 plt.axis([-1.2, 1.2, -1.2, 1.2])
 plt.draw()
 plt.pause(.1)
 pltgif.append(plt)
for _ in range(20):
 randData(1000)
pltgif.save(r'd:\temp\gif1.gif')

4、月牙数据集合

from headm import *
from sklearn.datasets import make_moons
pltgif = PlotGIF()
def randData(datanum):
 x1,y1 = make_moons(n_samples=datanum, noise=0.07, random_state=random.randint(0, 1000))
 plt.clf()
 plt.scatter(x1[y1==0][:,0], x1[y1==0][:,1], s=10)
 plt.scatter(x1[y1==1][:,0], x1[y1==1][:,1], s=10)
 plt.axis([-1.5, 2.5, -1, 1.5])
 plt.draw()
 plt.pause(.1)
 pltgif.append(plt)
for _ in range(20):
 randData(1000)
pltgif.save(r'd:\temp\gif1.gif')