如何用Python为K-Means聚类绘制凹多边形边界？

你说得没错，scipy.spatial.ConvexHull确实只能生成凸多边形边界，没法满足你需要的向内凹陷的聚类边界需求。这里给你几个实用的工具和方法来实现凹多边形边界：

1. 使用Alpha Shapes（阿尔法形状） #

这是生成凹包最常用的方案，它可以通过调整alpha参数控制边界的凹陷程度，完美适配不同聚类的点分布。你可以用第三方库alphashape来快速实现：

步骤： #

首先安装库：

pip install alphashape

然后修改你代码中的凸包绘制部分，替换为Alpha形状的逻辑：

import pandas as pd
import numpy as np
from sklearn.metrics.pairwise import pairwise_distances_argmin
import matplotlib.pyplot as plt
from alphashape import alphashape

# 原数据加载与聚类逻辑不变
df = pd.read_csv('https://raw.githubusercontent.com/MachineIntellect/dataset.ml/master/watermelon/watermelon_4_0.csv')
X = df.iloc[:,1:].to_numpy()
m0 = X[5]
m1 = X[11]
m2 = X[23]
centroids = np.array([m0, m1, m2])
labels = pairwise_distances_argmin(X, centroids)
m0 = X[labels == 0].mean(0)
m1 = X[labels == 1].mean(0)
m2 = X[labels == 2].mean(0)
new_centroids = np.array([m0, m1, m2])

# 绘图设置
plt.xlim(0.1,0.9)
plt.ylim(0, 0.8)
plt.scatter(X[:,0], X[:,1])
plt.scatter(new_centroids[:,0], new_centroids[:,1], c='r', marker = '+')

# 替换凸包为Alpha形状绘制凹边界
for i in range(3):
    points = X[labels == i]
    # alpha值越小，边界越容易凹陷；越大越接近凸包，可根据你的数据调整
    alpha = 0.12
    hull = alphashape(points, alpha)
    # 提取边界坐标并绘制
    x, y = hull.exterior.xy
    plt.plot(x, y, 'r-')

plt.show()

注意： #

• alpha参数需要根据你的点分布手动调整：如果边界太碎就增大alpha，太凸就减小alpha。
• 这个库基于Shapely实现，会返回一个多边形对象，方便后续的边界处理。

2. 其他备选方案 #

如果你不想引入第三方库，还有两个思路：

• DBSCAN预过滤核心点：先用DBSCAN对每个聚类的点进行密度过滤，只保留核心点，再对核心点构建边界（不过这种方法依赖点的密度分布，不一定适合所有场景）。
• 自定义凹包实现：基于Graham扫描或Jarvis步进法的变种，但需要自己写较多代码，不如Alpha形状高效。

内容的提问来源于stack exchange，提问作者user10253483