不要将聚类用于1维数据

Question

我有一个在一组对象上运行的算法。该算法产生一个得分值，用于指示集合中元素之间的差异。

排序后的输出是这样的：

[1,1,5,6,1,5,10,22,23,23,50,51,51,52,100,112,130,500,512,600,12000,12230]

如果您将这些值放在电子表格中，您会看到它们组成了组

[1,1,5,6,1,5] [10,22,23,23] [50,51,51,52] [100,112,130] [500,512,600] [12000,12230]

有没有办法以编程方式获得这些分组？

也许某些聚类算法使用机器学习库？或者我是否想过这个？

我看过scikit，但他们的例子对我的问题来说太先进了......

Answer 1

如果您不知道群集的数量是MeanShift：

，那么这是一个不错的选择

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变量可以更改群集编号选择标准

Answer 2

不要将聚类用于1维数据

聚类算法专为多变量数据而设计。当您拥有一维数据时，排序，并查找最大差距。这在1d中是微不足道的快速，在2d中是不可能的。如果你想要更高级的东西，可以使用核密度估计（KDE）并寻找局部最小值来分割数据集。

这个问题有很多重复：

Answer 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“空间”维度。您可以在numpy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()

然后你可以在矩阵上执行聚类：

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，您可以根据他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]

在python中通过它们的接近度聚类值（机器学习？）

3 个答案:

不要将聚类用于1维数据