在数据散点图python中找到最佳结果

我有一组数据，数据的散点图是这样的：

我已经用红色区域显示了正确答案，它几乎位于两个分支的中心。（散点图为“V”形） 我需要一个算法来找到这个区域并收集这个区域中包含的所有分散数据。（因为还有另一组类似的数据） x、y两个数据都已上载到此处：

---

根据您目前的问题，很难知道如何评估什么是正确的（即，为什么该区域是正确的？是否基于点的值/坐标、区域内的点密度？是否基于相对于较大结构的位置（即分支中心）等）

话虽如此,；有很多机器学习算法可用；对于python。使用有监督的学习算法，你可以在一些数据上训练解算器，然后它可以（尝试）找到其他数据的正确答案

在你重新表述你的问题之前，很难给出更多的答案

如果您的所有数据都是这样的，那么一个选项可能是对数据执行（即维度缩减）以将分支分成两个集群。然后，您将获得一些数据点，这些数据点不能清楚地标识为只属于一个分支，然后您可以选择（）。请注意，虽然它应该是相当准确的，但使用它永远不会得到一个完美的圆

如果您只需要这一个数据集（您已经知道“半径”和圆心），您可以识别圆（椭圆）的圆心及其半长轴（&短轴）

a

（&

b

）轴，然后使用其坐标计算距离

不过，使用正方形可能会更简单

所以它看起来像这样（假设1d numpy.ndarrays）：

#在正方形中选择点
条件=（xarr>xmin）&（xarrymin）&（yarrAs）我告诉过你，我只需要收集包含在分支中心的数据。（任意半径的圆）。有可能吗？这是你想的吗？谢谢。如果我想看这张图片，这是合适的。我不能做的是自动完成。你能先进一步说明你的问题吗？数据总是“v”形的还是沿着两条线，这样它就可以变成“x”形或两条独立的线等等？你想让你的机器成为一台机器吗能够识别模式，这意味着你必须教它寻找什么或如何解释。也就是说，试着看PCA。是的，数据总是“V”形的。好的。我看PCA