我想对如图所示使用make_circles生成的三圆数据集进行谱聚类。这三个圆属于不同的类别。
from sklearn.datasets import make_circlesimport seaborn as snsimport pandas as pdimport numpy as npfrom sklearn.cluster import SpectralClusteringimport matplotlib.pyplot as pltimport pylab as plimport networkx as nxX_small, y_small = make_circles(n_samples=(100,200), random_state=3, noise=0.07, factor = 0.7)X_large, y_large = make_circles(n_samples=(100,200), random_state=3, noise=0.07, factor = 0.4)y_large[y_large==1] = 2df = pd.DataFrame(np.vstack([X_small,X_large]),columns=['x1','x2'])df['label'] = np.hstack([y_small,y_large])df.label.value_counts()sns.scatterplot(data=df,x='x1',y='x2',hue='label',style='label',palette="bright")回答：
由于我无法将这个问题标记为重复（相似问题没有被接受的答案），这里提供了一个基于您代码的三圆数据集进行谱聚类的工作示例：
X_small, y_small = make_circles(n_samples=(1000,2000), random_state=3, noise=0.07, factor = 0.1)X_large, y_large = make_circles(n_samples=(1000,2000), random_state=3, noise=0.07, factor = 0.6)y_large[y_large==1] = 2df = pd.DataFrame(np.vstack([X_small,X_large]),columns=['x1','x2'])df['label'] = np.hstack([y_small,y_large])df.label.value_counts()sns.scatterplot(data=df,x='x1',y='x2',hue='label',style='label',palette="bright")然后将稍作修改的三圆数据集（增加样本并扩展圆圈）适应这个SO答案的代码：
x1 = np.expand_dims(df['x1'].values,axis=1)x2 = np.expand_dims(df['x2'].values,axis=1)X = np.concatenate((x1,x2),axis=1)y = df['label'].valuesfrom sklearn.cluster import SpectralClusteringclustering = SpectralClustering(n_clusters=3, gamma=1000).fit(X)colors = ['r','g','b']colors = np.array([colors[label] for label in clustering.labels_])plt.scatter(X[y==0, 0], X[y==0, 1], c=colors[y==0], marker='X')plt.scatter(X[y==1, 0], X[y==1, 1], c=colors[y==1], marker='o')plt.scatter(X[y==2, 0], X[y==2, 1], c=colors[y==2], marker='*')plt.show()np.expand_dims(...,axis=1)是必要的，以便在连接特征时创建一个维度（我们最初有一维向量，我们不希望沿现有的初始维度进行连接，这个维度是样本索引维度）。每行plt.scatter()使用marker绘制一个真实数据类别的点（因此使用y==y_true进行索引选择），颜色表示聚类提供的类别。
生成的数据集：
生成的聚类：
编辑： 为了使用不同的标记来识别真实类别（颜色已经表示聚类类别），这是原始提问者在评论中要求的。不幸的是，我们无法使用数组作为标记（如颜色）在一行代码中生成图表，这是因为marker不接受列表作为输入（在这里讨论）。
编辑2： 添加了使用np.expand_dims(...,axis=1)的动机和对plt.scatter()行的解释，这是原始提问者在评论中要求的。
