如何偏移Numpy数组中的聚类样本值以实现聚类更分离？

要让3个2维聚类更分离，核心是拉大每个聚类整体中心的间距，以下两种方法直接有效：

方法一：生成数据时直接设置远距离聚类中心 #

不用事后调整，直接在make_blobs中手动指定间距足够大的聚类中心，这是最省心的方式：

from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

# 手动设置距离较远的3个中心，比如两两间距超过20
X, y = make_blobs(
    n_samples=300,
    centers=[[18, 18], [-18, -18], [18, -18]],  # 自定义远中心
    n_features=2,
    cluster_std=1,  # 控制聚类内样本的分散程度，值越小聚类越紧凑
    random_state=42
)

# 可视化
plt.scatter(X[:, 0], X[:, 1], c=y, cmap='viridis')
plt.show()

方法二：生成数据后按标签整体偏移聚类 #

如果已经生成了基础数据，直接用聚类标签y筛选样本，给每个聚类加固定偏移量（而非随机值），确保整个聚类整体移动：

# 先生成基础聚类数据
X_base, y_base = make_blobs(n_samples=300, centers=3, n_features=2, random_state=42)

# 给每个聚类分配不同的偏移量，按需调整数值大小
offsets = {
    0: [10, 10],   # 第0类向右上偏移
    1: [-10, -10], # 第1类向左下偏移
    2: [10, -10]   # 第2类向右下偏移
}

# 执行偏移
X_shifted = X_base.copy()
for label in offsets:
    X_shifted[y_base == label] += offsets[label]

# 对比可视化
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))
ax1.scatter(X_base[:, 0], X_base[:, 1], c=y_base, cmap='viridis')
ax1.set_title('原始聚类')
ax2.scatter(X_shifted[:, 0], X_shifted[:, 1], c=y_base, cmap='viridis')
ax2.set_title('偏移后聚类')
plt.show()

你之前方法失效的原因 #

• 用坐标范围筛选样本：聚类可能存在重叠，坐标筛选容易误选其他聚类的样本，导致偏移混乱
• 添加正态分布随机值：这是给样本加噪声，会让聚类内部更分散，反而可能拉近聚类间距，不是整体偏移的正确方式

内容的提问来源于stack exchange，提问作者Shayan