3 回答

• 16

  如果您不知道群集的数量，那么这是一个很好的选择 MeanShift ：

  import numpy as np
  from sklearn.cluster import MeanShift, estimate_bandwidth
  
  x = [1,1,5,6,1,5,10,22,23,23,50,51,51,52,100,112,130,500,512,600,12000,12230]
  
  X = np.array(zip(x,np.zeros(len(x))), dtype=np.int)
  bandwidth = estimate_bandwidth(X, quantile=0.1)
  ms = MeanShift(bandwidth=bandwidth, bin_seeding=True)
  ms.fit(X)
  labels = ms.labels_
  cluster_centers = ms.cluster_centers_
  
  labels_unique = np.unique(labels)
  n_clusters_ = len(labels_unique)
  
  for k in range(n_clusters_):
      my_members = labels == k
      print "cluster {0}: {1}".format(k, X[my_members, 0])
  

  此算法的输出：

  cluster 0: [ 1  1  5  6  1  5 10 22 23 23 50 51 51 52]
  cluster 1: [100 112 130]
  cluster 2: [500 512]
  cluster 3: [12000]
  cluster 4: [12230]
  cluster 5: [600]
  

  修改 quantile 变量可以更改聚类编号选择条件

  回复于 2024-05-02T15:33:00+08:00
• 17

  不要将聚类用于1维数据

  聚类算法是针对多变量数据而设计的 . 当你有一维数据时， sort 它，并寻找 largest gaps . 这在1d中是微不足道的，并且在2d中是不可能的 . 如果您想要更高级的东西，请使用核密度估计（KDE）并查找本地最小值来分割数据集 .

  这个问题有很多重复：

  • 1D Number Array Clustering

  • Cluster one-dimensional data optimally?

  回复于 2024-05-02T15:33:00+08:00
• 3

  您可以使用群集对这些进行分组 . 诀窍是要了解数据有两个维度：您可以看到的维度，以及看起来像[1,2,3 ... 22]的"spatial"维度 . 您可以在_376313中创建此矩阵，如下所示：

  import numpy as np
  
  y = [1,1,5,6,1,5,10,22,23,23,50,51,51,52,100,112,130,500,512,600,12000,12230]
  x = range(len(y))
  m = np.matrix([x, y]).transpose()
  

  然后，您可以在矩阵上执行聚类，其中：

  from scipy.cluster.vq import kmeans
  kclust = kmeans(m, 5)
  

  kclust的输出将如下所示：

  (array([[   11,    51],
         [   15,   114],
         [   20, 12115],
         [    4,     9],
         [   18,   537]]), 21.545126372346271)
  

  对你而言，最有趣的部分是矩阵的第一列，它表示x维度中心的位置：

  kclust[0][:, 0]
  # [20 18 15  4 11]
  

  然后，您可以根据它们最接近的五个中心中的哪一个将您的点分配到群集：

  assigned_clusters = [abs(cluster_indices - e).argmin() for e in x]
  # [3, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 2, 2, 2, 2, 1, 1, 0, 0, 0]
  

  回复于 2024-05-02T15:33:00+08:00