根据kmeans聚类中心绘制边界线

Question

我对scikit learn很陌生，但想尝试一个有趣的项目。

我

在英国有经度和纬度的点，我用它来使用 scikit 学习 KMeans 类创建集群中心。为了可视化这些数据，我想在每个聚类周围绘制边界，而不是将点作为聚类。例如，如果一个聚类是伦敦，另一个是牛津，我目前在每个城市的中心都有一个点，但我想知道是否有办法使用这些数据根据我的聚类创建边界线？

以下是到目前为止创建集群的代码：

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
location1="XXX"
df = pd.read_csv(location1, encoding = "ISO-8859-1")
#Run kmeans clustering
X = df[['long','lat']].values #~2k locations in the UK
y=df['label'].values   #Label is a 0 or 1
kmeans = KMeans(n_clusters=30, random_state=0).fit(X, y)
centers=kmeans.cluster_centers_
plt.scatter(centers[:,0],centers[:,1], marker='s', s=100)

所以我希望能够将上面例子中的中心转换为划分每个区域的线——这可能吗？

谢谢

阿南特

Answer 1

我想你说的是空间边界，在这种情况下，你应该遵循Bunyk的建议并使用Voronoi图[1]。以下是您可以实现的目标的实际演示：http://nbviewer.jupyter.org/gist/pv/8037100。

Answer 2

您可以使用 Scipi 生成 Voronoi 图。 文档

对于您的代码，它将是

from scipy.spatial import Voronoi, voronoi_plot_2d
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
location1="XXX"
df = pd.read_csv(location1, encoding = "ISO-8859-1")
#Run kmeans clustering
X = df[['long','lat']].values #~2k locations in the UK
y=df['label'].values   #Label is a 0 or 1
kmeans = KMeans(n_clusters=30, random_state=0).fit(X, y)
centers=kmeans.cluster_centers_
plt.scatter(centers[:,0],centers[:,1], marker='s', s=100)

vor = Voronoi(centers)
fig = voronoi_plot_2d(vor,plt.gca())
plt.show()