K-Means++ 聚类之数据可视化：使用gnuplot

http://blog.chinaunix.net/uid-24774106-id-3415470.html

    周末做了K-Means++聚类分析之NBA后卫分类，但是我不爽的一点是最后的结果不直观，需要我仔细研究数据，才能确定，我的分类效果对不对。当时就想做个可视化的图，对还是错，一目了然。

    matlab是一个可视化的工具，其实他更是一个编程的开发工具，他太厚重了，matlab2012a的安装包就5.4G 。。后来我找到了gnuplot。这个是我买的恶意软件分析诀窍与工具箱里面推荐的一个工具，我这两天试了试，工具很不错，功能很强大，是杀人越货，居家 旅行之必备工具，呵呵。

    安装很简单：

apt-get install gnuplot gnuplot-doc

    上 面博文K-means++算法，我将NBA后卫分成了8类，我绘制了图，不是很直观，所以选择3类，重新绘制了图，就比较直观了。我将代码改动了一下，将 不同类别的数据输出的不同的文件中去，中间结果就不显示了，这样的花，第一类球员的数据存在out0文件，第二类存放在out1文件。。。

   

int output_result(struct player* players,int player_num,int cluster_num)
{
    int i ,j;
    char cmd[256] = {0};
    struct player *p =players;
    for(i =0 ; i< cluster_num;i++)
    {
        fprintf(stderr,"\nthe group %d\n",i);
        for(j=0,p=players;j<player_num;j++,p++)
        {
            if(p->group == i)
            {
                snprintf(cmd,256,"cat %s |sed -n \"%dp\" >>out%d",FILEPATH,j+1,i);
                system(cmd);
               // fprintf(stderr,"%s\t",p->name);
            }
        }
    }

    fprintf(stderr,"\n");
}

root@manu:~/code/c/lin_rank# wc out*
55  220 2164 out0
23   92  899 out1
22   88  848 out2
100  400 3911 总用量
root@manu:~/code/c/lin_rank#

可以看到，out0里面有55个球员，out1有23个球员。

    gnuplot的使用比较简单，就是终端上敲入gnuplot,就打开的这个工具。

root@manu:~/code/c/lin_rank#
root@manu:~/code/c/lin_rank# gnuplot

    G N U P L O T
    Version 4.4 patchlevel 3
    last modified March 2011
    System: Linux 3.2.0-29-generic-pae

    Copyright (C) 1986-1993, 1998, 2004, 2007-2010
    Thomas Williams, Colin Kelley and many others

    gnuplot home:     http://www.gnuplot.info
    faq, bugs, etc:   type "help seeking-assistance"
    immediate help:   type "help"
    plot window:      hit 'h'

Terminal type set to 'wxt'
gnuplot>

    在命令行执行这个命令会绘制图图像：

splot "out0" using 2:3:4 pointtype 16 title "group 0",\
"out1" using 2:3:4 pointtype 10 title "group 1",\
"out2" using 2:3:4 pointtype 2 title "group 2"

    可是有个问题，和我们归一化篮板助攻得分是一样的问题，我们不告诉gnuplot，x轴-篮板 ，y轴-主攻，z轴-得分，的比例就会动态调整，这时候输出的结果很难分辨聚类的效果好不好，感兴趣的筒子可以自己try一下，不会怀孕的，呵呵。

    我的解决办法和归一化也是一样的，就是我告诉他这个比例：

average[0] = 3.317520	average[1] = 3.990000	average[2] = 12.655000

    100个人篮板的平均值是3.3，助攻是3.99，得分是12.65。比例大概是5:6:18,我们设置：

set xrange [0:10]
set yrange [0:12]
set zrange [0:36]

    这样在输入刚才输入的指令，就可以绘制出比较好的图片了。
   
    gnuplot还能导出png图片，指令如下：

set term pngcairo size 1200,600
set output "cluster.png"
replot
set output
set term wxt

    这样我们就绘制出了图片，现在看看效果：

    分类效果看起来还不错，呵呵。我不满意的地方就是人工干预太多，如果能一条龙完全用代码或者脚本实现就好了。

    总之了，这个gnuplot的确是个好工具，很好使用，向大家推荐。

参考文献：
1 使用 gnuplot 科学作图 ，马欢前辈整理的pdf资料，非常好，十分感激前辈