Hier ist mein einfaches Beispiel für den Umgang mit Datenclustern in Attributen 3 (x, y, value). Jedes Sample repräsentiert seine Position (x, y) und seine zugehörige Variable.

Mein Code wurde hier gepostet:

x = np.arange(100,200,1)
y = np.arange(100,200,1)
value = np.random.random(100*100)

xx,yy = np.meshgrid(x,y)
xx = xx.reshape(100*100)
yy = yy.reshape(100*100)
j = np.dstack((xx,yy,value))[0,:,:]

fig = plt.figure(figsize =(12,4))
ax1 = plt.subplot(121)
xi,yi = np.meshgrid(x,y)
va    = value.reshape(100,100)
pc = plt.pcolormesh(xi,yi,va,cmap = plt.cm.Spectral)
plt.colorbar(pc)

ax2 = plt.subplot(122)
y_pred = KMeans(n_clusters=12, random_state=random_state).fit_predict(j)
vb = y_pred.reshape(100,100)
plt.pcolormesh(xi,yi,vb,cmap = plt.cm.Accent)

Die Abbildung ist hier dargestellt:

So identifizieren Sie die Grenzen der einzelnen Clusterzonen und skizzieren Sie sie, um den Visualisierungseffekt zu verstärken.

PS

Hier ist eine Illustration, die ich manuell zeichne. Ich brauche es, um die Clustergrenzen zu identifizieren und in Linien darzustellen.

PPS

Ich habe eine interessante Frage gefundenHie versuchen, die Grenzen des Clusterbereichs in @ zu zeichnR

Aktualisiere

Nachdem ich es versucht habe, folgt das Unterprogramm:

for i in range(n_cluster):
    plt.contour(vb ==i contours=1,colors=['b']) 

Es ist fertig