产生数据集

首先我想到的怎么在R中产生数据集，我知道python中有make_blob函数，那么R中是否有对应的函数呢，虽然我可以在python产生数据再导入到R会很麻烦，因为我不是产生一次数据就完了，我得模拟很多次，最终找到一个比价满意的，
https://github.com/elbamos/clusteringdatasets
这个R包里面提供了和sklearn里面的make_blob一样的函数
安装方式如下
首先下载github的源文件

install.packages("/Volumes/MACPAN/Chrome下载/clusteringdatasets-master/",type="source",repos=NULL)
library(clusteringdatasets)

1
2
3

安装后就可以使用了
使用案例如下

rm(list=ls())
library(ggplot2)
library(clusteringdatasets)
set.seed(1)
n_sample=20000
center_metrix=matrix(c(0,3,-2,0,2,0),nrow=3,byrow = T) # 设置cluster中心
##
blobs <- make_blobs(n_samples = n_sample,centers=center_metrix,cluster_std = 0.2)
xx=sample(c(1,2,3),n_sample,replace=T)
blobs$labels=xx

# 因为我的结果最终就是非常圆润的，所以我想把一些点给删掉
# radis=0.3
# r1=center_metrix[1,]
# r2=center_metrix[2,]
# r3=center_metrix[3,]

df=as.data.frame(blobs)
colnames(df)=c("x","y","cluster")
df$cluster=as.factor(df$cluster)

#plot(blobs$samples, col=rainbow(3)[blobs$labels])
p=ggplot(data=df,aes(x=x,y=y,colour=cluster))+geom_point()
print(p)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

结果如下

但是我画出这个后，为了更好看一点，我想进一步画椭圆的图，这个怎么实现呢
https://stackoverflow.com/questions/41820683/how-to-plot-ellipse-given-a-general-equation-in-r
这个问题里有提到怎么画椭圆
其实这个椭圆是我想要的，但是这个只是画图，不提供表达式，因为我本质上要再要在一个椭圆内产生随机分布的点
pass

然后我又找到了一个类似的问题
https://stackoverflow.com/questions/64847597/how-do-i-generate-data-where-points-are-repelled-if-they-land-within-a-certain
这个里面阐述了怎么在一个圆内产生随机分布的点，但我需要的是椭圆，倒是可以借鉴，

然后我还找到一个更有意思的画图方案，直接画椭圆的置信区间
https://blog.csdn.net/maryyu8873/article/details/78491869

library(car)
dataEllipse(Duncan$income, Duncan$education, levels=0.95,xlim=c(-30,120),ylim=c(-30,160))
1
2

这个其实也是可以拿来参考的，不过我后面发现了一个完美的解决方式
就是使用runifdisc函数
我实现的代码如下

#################################    plot cluster1 #########################
############################################################################
############################################################################
############################################################################
n_sample=2000
center=c(0,3)
X <- runifdisc(n_sample)
Y <- affine(X, mat=diag(c(1.5,0.8)))
Z = Y
#Z = rotate(Y,45)
df = as.data.frame(matrix(nrow=n_sample,ncol=3)) #创建一个3列的空对象
colnames(df)=c("x","y","cluster")
df$x=Z$x
df$y=Z$y
df$x=df$x+center[1]
df$y=df$y+center[2]
df$cluster=sample(c("Batch1","Batch2","Batch3"),n_sample,replace=T)
df$cluster=as.factor(df$cluster)
df1=df

###########################  plot cluster 2 ################################
############################################################################
############################################################################
############################################################################

center=c(-4,0)
X <- runifdisc(n_sample)
Y <- affine(X, mat=diag(c(1,1.5)))
#Z=Y
Z = rotate(Y,90)
#Z = rotate(Z,45)

df = as.data.frame(matrix(nrow=n_sample,ncol=3)) #创建一个3列的空对象
colnames(df)=c("x","y","cluster")
df$x=Z$x
df$y=Z$y
df$x=df$x+center[1]
df$y=df$y+center[2]
df$cluster=sample(c("Batch1","Batch2","Batch3"),n_sample,replace=T)
df$cluster=as.factor(df$cluster)
df2=df

###########################  plot cluster 3 ################################
############################################################################
############################################################################
############################################################################

center=c(4,0)
X <- runifdisc(n_sample)
Y <- affine(X, mat=diag(c(2,1)))
Z = rotate(Y,135)
df = as.data.frame(matrix(nrow=n_sample,ncol=3)) #创建一个3列的空对象
colnames(df)=c("x","y","cluster")
df$x=Z$x
df$y=Z$y
df$x=df$x+center[1]
df$y=df$y+center[2]
df$cluster=sample(c("Batch1","Batch2","Batch3"),n_sample,replace=T)
df$cluster=as.factor(df$cluster)
df3=df


df=rbind(df1,df2,df3)
colnames(df)=c("x","y","BATCH")

p=ggplot(data=df,aes(x=x,y=y,colour=BATCH))+geom_point(size=1)+
  theme(aspect.ratio=1)+theme_void()+
  guides(colour = guide_legend(override.aes = list(size = 20,alpha=1,shape=16)))+
  theme(legend.position = c(0.8, 0.7),legend.title=element_text(size=20))+
  theme(legend.text=element_text(size=20))+
  scale_color_manual(values=RColorBrewer::brewer.pal(3,"Set1"))
print(p)

ggsave("./simulation_plot.png",plot=p)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74

最终的结果如下
左边那个椭圆的角度我怎么调都调不好，感觉旋转的角度不对，不过看起来是还是蛮漂亮的，达到了我的需求，嘿嘿