three_blobs_data: 用于分类的合成团状数据

一个将 three_blobs 数据集加载到 NumPy 数组的函数。

from mlxtend.data import three_blobs_data

概述

一个用于聚类的随机 3 个 2D 团状数据集。

  • 样本数: 150
  • 建议标签{0, 1, 2}, 分布: [50, 50, 50]

参考资料

示例 1 - 数据集概述

from mlxtend.data import three_blobs_data
X, y = three_blobs_data()

print('Dimensions: %s x %s' % (X.shape[0], X.shape[1]))

print('1st row', X[0])

Dimensions: 150 x 2
1st row [ 2.60509732  1.22529553]

import numpy as np

print('Suggested cluster labels')
print(np.unique(y))
print('Label distribution: %s' % np.bincount(y))

Suggested cluster labels
[0 1 2]
Label distribution: [50 50 50]

import matplotlib.pyplot as plt

plt.scatter(X[:,0], X[:,1],
            c='white',
            marker='o',
            s=50)

plt.grid()
plt.show()

png

plt.scatter(X[y == 0, 0],
            X[y == 0, 1],
            s=50,
            c='lightgreen',
            marker='s',
            label='cluster 1')

plt.scatter(X[y == 1,0],
            X[y == 1,1],
            s=50,
            c='orange',
            marker='o',
            label='cluster 2')

plt.scatter(X[y == 2,0],
            X[y == 2,1],
            s=50,
            c='lightblue',
            marker='v',
            label='cluster 3')

plt.legend(loc='lower left')
plt.grid()
plt.show()

png

API

three_blobs_data()

一个用于聚类的随机 3 个 2D 团状数据集。

  • 样本数 : 150

  • Suggested labels : {0, 1, 2}, 分布: [50, 50, 50]

返回

  • X, y : [样本数, 特征数], [聚类标签数]

    X 是特征矩阵，包含 159 个样本作为行，2 个特征作为列。y 是一个一维数组，包含 3 个建议的聚类标签 0, 1, 2

示例

用法示例请参阅 https://mlxtend.cn/mlxtend/user_guide/data/three_blobs_data