寻找2D人工数据以演示聚类算法的属性

我正在寻找遵循不同分布和形式的二维数据点（每个数据点是两个值（x，y）的向量）的数据集。生成此类数据的代码也将有所帮助。我想使用它们来绘制/可视化某些聚类算法的性能。这里有些例子：

• 星状云数据
• 四个集群，一个容易分离
• 螺旋形（无簇）
• 戒指
• 两片几乎分开的云
• 两个平行的簇形成螺旋
• ...等等

R附带了很多数据集，看起来只需几行代码即可重现您引用的大多数示例，这没什么大不了的。您可能还会发现mlbench软件包很有用，特别是以开头的综合数据集mlbench.*。下面给出了一些插图。

通过查看CRAN 上的群集任务视图，可以找到其他示例。例如，fpc程序包具有一个内置生成器，用于“面部形状”的聚类基准数据集（rFace）。

类似的注意事项适用于Python，您将在其中找到有趣的基准测试和数据集，以使用scikit-learn进行聚类。

UCI机器学习存储库也包含许多数据集，但是最好用自己选择的语言自己模拟数据。

以下是一些专门为此任务设计的数据集：

Ultsch的基本群集问题套件

该玩具聚类基准包含ARFF格式的各种数据集（可以轻松转换为CSV），其中大多数带有地面真相标签。基准测试应验证聚类算法的基本所需属性。大多数数据集来自以下群集文件：

• 桦木 -张，田，Raghu Ramakrishnan和Miron Livny。“ BIRCH：一种用于大型数据库的有效数据聚类方法。” ACM SIGMOD记录。卷 25.第2号。ACM，1996年。
• CURE -Guha，Sudipto，Rajeev Rastogi和Kyuseok Shim。“ CURE：针对大型数据库的高效集群算法。” ACM SIGMOD记录。卷 27.第2号。ACM，1998年。
• 变色龙 -Karypis，George，Eui-Hong Han和Vipin Kumar。“变色龙：使用动态建模的分层聚类。” 计算机32.8（1999）：68-75。
• 基本聚类问题套件 -Ultsch，A .：使用SOM聚类：U * C，在过程中。自组织地图研讨会，法国巴黎，（2005年），第75-82页
• MOCK-Handl，Julia和Joshua Knowles。“一种用于多目标聚类的进化方法。” 进化计算，IEEE Transactions on 11.1（2007）：56-76。
• 基于路径的稳健光谱聚类 -Chang，Hong和Dit-Yan Yan。“基于稳健路径的光谱聚类。” 模式识别41.1（2008）：191-203。

ELKI带有几个数据集（也请检查单元测试，它们包含的内容比网站上的要多得多，还有参数设置）。

它还包括一个相当灵活的数据生成器。

这是一个可定制的集群生成器。它仅处理特定类别的数据集，但可以肯定地用于群集算法研究。

这是它可以创建的集群类型的示例：

群集隶属关系保存在文本文件中。该代码在MIT许可下是开源的。

这个Matlab脚本生成2D数据以进行聚类。它接受几个参数，以便生成的数据在用户要求之内。

我不敢相信没有人提到费舍尔的虹膜数据。

我认为我没有看到没有使用虹膜数据作为示例的聚类技术。

在r中，只需键入“ iris”即可访问数据。

这是一个不错的（典型的）虹膜图示例：http: //ygc.name/2011/12/24/ml-class-7-kmeans-clustering/