如何在同一绘图框中展示健康与故障数据集的MClust GMM聚类结果

没问题！我来帮你实现健康和故障数据GMM聚类结果的同图对比，不管是密度曲线还是聚类散点/椭圆都能搞定，下面分步骤给你具体方案：

核心思路 #

要把两组数据的聚类结果放在同一图里，关键是分别提取两组聚类的核心参数（比如密度估计、聚类中心、协方差矩阵），然后用基础绘图或ggplot手动合并可视化元素——毕竟MClust自带的plot()函数默认是单独绘图，没法直接合并。

步骤1：先确保两组数据的聚类结果都已保存 #

首先你已经分别跑了MClust，先把结果存成不同的对象，方便后续调用：

library(mclust)

# 假设你的健康数据集是health_data，故障数据集是fault_data
health_clust <- Mclust(health_data, G = 3)
fault_clust <- Mclust(fault_data, G = 3)

方案1：密度曲线对比（重点展示故障数据的两个混合成分） #

如果你的需求是对比两组数据的混合密度曲线，同时单独标出故障数据里CCD和CCA对应的两个成分密度，可以这样做：

# 选择你要可视化的变量（比如第1个变量，替换成你需要的列索引）
var_idx <- 1

# 生成覆盖两组数据范围的x轴序列
x_range <- range(c(health_data[, var_idx], fault_data[, var_idx]))
x_seq <- seq(x_range[1], x_range[2], length.out = 1000)

# 计算健康数据的整体混合密度
health_dens <- predict(health_clust, newdata = data.frame(x = x_seq), what = "density")
# 计算故障数据的整体混合密度
fault_dens <- predict(fault_clust, newdata = data.frame(x = x_seq), what = "density")

# 提取故障数据中目标成分的密度（先确认哪两个是CCD/CCA，比如假设是成分1和2）
# 成分密度 = 权重 × 单高斯密度
fault_comp1_dens <- fault_clust$parameters$pro[1] * 
  dnorm(x_seq, mean = fault_clust$parameters$mean[var_idx], 
        sd = sqrt(fault_clust$parameters$variance$sigmasq[var_idx]))
fault_comp2_dens <- fault_clust$parameters$pro[2] * 
  dnorm(x_seq, mean = fault_clust$parameters$mean[var_idx], 
        sd = sqrt(fault_clust$parameters$variance$sigmasq[var_idx]))

# 开始绘图
plot(x_seq, health_dens, type = "l", col = "#1f77b4", lwd = 2, 
     xlab = paste0("Variable ", var_idx), ylab = "Density", 
     main = "Healthy vs Fault Data: GMM Density Comparison")
# 添加故障数据整体密度
lines(x_seq, fault_dens, col = "#ff4b5c", lwd = 2)
# 添加故障数据的两个目标成分密度（用虚线区分）
lines(x_seq, fault_comp1_dens, col = "#ff4b5c", lty = 2, lwd = 1.5)
lines(x_seq, fault_comp2_dens, col = "#ff4b5c", lty = 3, lwd = 1.5)

# 添加图例，清晰区分各元素
legend("topright", 
       legend = c("Healthy (GMM)", "Fault (GMM)", "Fault - CCD", "Fault - CCA"),
       col = c("#1f77b4", "#ff4b5c", "#ff4b5c", "#ff4b5c"),
       lty = c(1,1,2,3), lwd = c(2,2,1.5,1.5),
       bty = "n")

方案2：散点图+聚类椭圆对比（展示空间分布） #

如果要对比两组数据的聚类空间分布（比如前两个变量的散点+聚类椭圆），可以用ggplot结合ggforce包来画：

library(ggplot2)
library(ggforce)

# 合并两组数据，添加组别和聚类标签
combined_df <- rbind(
  cbind(health_data, group = "Healthy", cluster = as.factor(health_clust$classification)),
  cbind(fault_data, group = "Fault", cluster = as.factor(fault_clust$classification))
)

# 提取聚类椭圆的参数（以前两个变量为例）
get_ellipse_params <- function(clust_result, group_name) {
  lapply(1:3, function(k) {
    cov_mat <- clust_result$parameters$variance$sigma[,,k]
    data.frame(
      group = group_name,
      cluster = as.factor(k),
      mean_x = clust_result$parameters$mean[1],
      mean_y = clust_result$parameters$mean[2],
      # 计算椭圆的长半轴、短半轴和旋转角度（2倍标准差覆盖大部分数据）
      a = sqrt(cov_mat[1,1]) * 2,
      b = sqrt(cov_mat[2,2]) * 2,
      angle = atan2(cov_mat[1,2], cov_mat[1,1]) * (180/pi)
    )
  }) %>% do.call(rbind, .)
}

health_ellipses <- get_ellipse_params(health_clust, "Healthy")
fault_ellipses <- get_ellipse_params(fault_clust, "Fault")
all_ellipses <- rbind(health_ellipses, fault_ellipses)

# 绘制可视化图
ggplot(combined_df, aes(x = V1, y = V2)) +
  geom_point(aes(color = group, shape = cluster), alpha = 0.6, size = 1.5) +
  # 添加聚类椭圆
  geom_ellipse(data = all_ellipses, 
               aes(x0 = mean_x, y0 = mean_y, a = a, b = b, angle = angle, color = group),
               fill = NA, lwd = 1.2) +
  labs(title = "Clustering Distribution: Healthy vs Fault Data",
       x = "Variable 1", y = "Variable 2") +
  theme_minimal() +
  scale_color_manual(values = c("Healthy" = "#1f77b4", "Fault" = "#ff4b5c"))

小提示 #

• 如果你不确定故障数据里哪两个成分对应CCD和CCA，可以通过fault_clust$parameters$mean查看各成分的均值，结合业务知识判断；也可以用plot(fault_clust, what = "classification")先单独看故障数据的聚类分类，确认目标成分的编号。
• 如果要可视化4个变量的成对对比，可以用pairs()函数手动叠加两组数据的聚类标记和密度曲线，不过操作会复杂一些，上面的方案是最常用的单变量/双变量可视化方式。

内容的提问来源于stack exchange，提问作者sumitpal0593