如何优化亲和力传播结果？

Question

我想知道是否有人比我对python scikit-learn包中的Affinity Propagation聚类算法有什么了解？

我现在所知道的是我输入了一个“亲和矩阵”（affmat），它是通过将热核转换应用于“距离矩阵”（distmat）来计算的。 distmat是我之前分析步骤的输出。在我获得了关注之后，我通过类似于：

的方式将其传递给算法

af = AffinityPropagation(affinity = 'precomputed').fit(affmat)

一方面，我很欣赏输入的简单性。另一方面，我仍然不确定我是否正确完成了输入？

我已经尝试通过查看Silhouette分数来评估结果，并经常（但不是大多数时间）我得到的分数接近于零或在负范围内，这表明我没有得到“自然分组”的集群。对我来说，这是一个问题。

此外，当我观察一些情节时，我会得到奇怪的聚类模式，例如下面的图像，我清楚地看到3个点的集群，但AP给了我10个：

我还看到这样的其他图表，其中集群重叠很多。：

如何确定群集中心的欧氏坐标？我注意到当我输入百分比值（99.2,99.5等）而不是分数值（0.992,0.995等）时，x轴和y轴的比例从[0,1]变为[0,100] （但当然轴的大小适当缩放，以至于我偶尔会得到[88,100]或[92,100]等等。

很抱歉这里有漫步，但我很难理解算法的python实现的基础。我已经回到原始论文并阅读它，但我不知道如何在scikit-learn包中操作它以获得更好的聚类。