我想將每個值代表一個錯誤的一維數據集分成 2 段：具有最小值的簇所有其他人例子：X = np.array([1, 1.5, 0.4, 1.1, 23, 24, 22.5, 21, 20, 25, 40, 50, 50, 51, 52, 53]).reshape(-1, 1)在這個小示例中，我想將集群中的前 4 個值重新分組，而忽略其他值。我不想要基于閾值的解決方案。關鍵是興趣簇質心并不總是具有相同的值?？赡苁?e-6，也可能是1e-3，也可能是1。我的想法是使用 k 均值聚類算法，如果我確實知道數據中存在多少個聚類，該算法就會很好地工作。在上面的例子中，數字是 3，一個大約 1（感興趣的簇），一個大約 22，一個大約 51。但遺憾的是，我不知道簇的數量......簡單地搜索 2 個簇是不會的導致數據集按預期分割。kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
kmeans.labels_返回一個太大的簇 1，其中還包括以 22 為中心的簇的數據。array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0])我確實找到了一些關于選擇 k 的方法的有趣答案，但它使算法變得復雜，我覺得必須有更好的方法來解決這個問題。我愿意接受任何可以在X所提供的數組上工作的建議和示例。
1 回答
守著星空守著你
TA貢獻1799條經驗 獲得超8個贊
您可能會發現AffinityPropagation這里很有用，因為它不需要指定要生成的簇的數量。然而，您可能需要調整 和damping factor，preference以便它產生預期的結果。
在提供的示例中，默認參數似乎可以完成這項工作：
from sklearn.cluster import AffinityPropagation
X = np.array([1, 1.5, 0.4, 1.1, 23, 24, 22.5,?
? ? ? ? ? ? ? 21, 20, 25, 40, 50, 50, 51, 52, 53]).reshape(-1, 1)
ap = AffinityPropagation(random_state=12).fit(X)
y = ap.predict(X)
print(y)
# array([0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2], dtype=int64)
要從 獲取各個簇X，您可以使用以下方法建立索引y：
first_cluster = X[y==0].ravel()
first_cluster
# array([1. , 1.5, 0.4, 1.1])
second_cluster = X[y==1].ravel()
second_cluster
# array([23. , 24. , 22.5, 21. , 20. , 25. ])
添加回答
舉報
0/150
提交
取消