Cómo construir y trazar una gráfica de vecinos más cercanos

La muestra que tiene arriba funciona bien para datos bidimensionales o proyecciones de datos que se pueden destilar en 2-D sin perder demasiada información, por ejemplo. Mediante técnicas de reducción de dimensionalidad.

Para datos n-dimensionales (razonablemente pequeños n), un diagrama de radar funciona bien. Los puntos cercanos entre sí en un grupo tendrán una forma similar en la trama. No te vuelvas loco y hagas n demasiado grande, de lo contrario la visualización se vuelve difícil de manejar y difícil de interpretar.

Reduce las dimensiones a través de algo como SVD si es necesario para tener una visualización sensata.

Un enfoque directo:

01. Construya un modelo knn en sus datos usando scikit-learn (1.6. Vecinos más cercanos)

02. Cree un conjunto de elementos de kneighours_graph del objeto guardado (consulte el enlace anterior): esta es esencialmente su matriz de adyacencia para el gráfico knn

03. Use la biblioteca `networkx` en python para convertir esto en un gráfico y trazarlo o analizarlo como desee utilizando la gran cantidad de funciones disponibles en la biblioteca misma. Para trazarlo de acuerdo con geo-cordinates o posiciones personalizadas (como su diagrama muestra un gráfico para algunos datos en EE. UU., Supongo), en realidad también puede proporcionar las coordenadas para cada nodo. (Dibujo: documentación de NetworkX 1.10)

Puede haber enfoques más eficientes desde el punto de vista informático para hacer esto, pero mantener todo dentro de las bibliotecas de Python disponibles mantendría su código limpio y probablemente obtendrá su gráfico y diagrama dentro de aproximadamente 10 líneas, si ya tiene un conjunto de datos limpio.

Clasifique suficientes puntos espaciados uniformemente y grábelos de colores según la clase que obtengan

Ver tutoriales de sklearn sobre clasificadores knn