我正在尝试绘制从模糊 C 均值聚类算法获得的聚类的可视化效果。对于通过 k-means 获得的清晰聚类，可以通过普通散点图(例如通过 matplotlib 获得的散点图)轻松可视化。是否有推荐的方法来绘制模糊聚类以可视化重叠？如果是，怎么办？
最佳答案
一种选择是将数据分为两组:归属度 >= X 的簇的一部分，以及小于 X 的点。将归属度 >= X 的点称为清晰组。对于小于 X 的那些，您将为每个不同的集群进行分组，将其称为模糊组。每个模糊组都将具有不在清晰组中的所有数据点。
现在，当您进行绘图时，为每个集群分配一种颜色，假设您有三个集群 A、B 和 C。为它们分配颜色为蓝色、绿色和红色。以 100% 不透明度绘制清晰组的组颜色，然后对于每个模糊组，查看点的归属程度，并以缩小的簇颜色不透明度绘制它们。
由于您必须为每个模糊组作为一个整体分配颜色，因此最好将它们像直方图一样按归属程度“分类”，或者您可以跳过所有组并单独绘制每个点。
例如假设我们有 2 个集群 A 和 B，并且
data = [(0.2,0.8),(0.5,0.5),(0.65,0.35),(0.25,0.75)]
其中数据表示每个点的归属程度(A，B)(我不会列出其坐标，但假设它们可以用 ptn 表示)。那么如果 X 是 0.7，我们将执行 crisp_A = [pt1] 和 crisp_B = [pt4]。然后 fuzzy_A = [pt2, pt3] 和 fuzzy_B = [pt2,pt2]。将 crisp_A 和 crisp_B 绘制为全色，然后使用 cm.hsv 或类似的工具来缩放 fuzzy_A 和fuzzy_B 按其各自的归属程度。
关于python - 如何在Python中绘制重叠簇，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/17757350/