我有一个日期列表，我想分成3个集群。现在，我可以看到我应该看看k-means的提示，但到目前为止我找到的所有例子都与坐标有关，换句话说，就是一对列表项。
我想把这个日期列表添加到三个单独的列表中，表明它们是在某个事件之前，期间还是之后。我没有时间参加这个活动，但这就是为什么我通过将日期/时间分成三组来猜测它。
任何人都可以帮一个关于如何使用像numpy或scipy这样的东西来做这个的简单例子吗？
答案 0 :(得分：0)
以下是一些可能不是最佳答案但应该有所帮助的解决方法。
您可以将日期绘制为从开始日期（例如一周）转换的持续时间 并将日期转换为从起点开始的分钟或小时的数字表示。
这些都将沿x轴绘制图形，但仍然可以使用Kmeans，并且在图形上仍然可以看到聚类。
以下是numpy的更多示例：Python k-means algorithm
答案 1 :(得分：0)
k-means 独占。更确切地说：对于连续和线性值。
原因是平均值功能。许多人忽略了卑鄙对k-means的作用（尽管它在名字中......）
关于非数值数据，你如何计算均值？
存在二进制或分类数据的一些变体。例如，IIRC有k模式，并且有k-medoids（PAM，在medoids周围分区）。
我不清楚你想要实现的整体...你的数据似乎是一维的，所以你可能想看看这里关于一维数据的许多问题（因为数据可以排序后，它可以比多维数据更有效地处理。
通常，即使您将数据投影到unix时间（自1970年1月1日起的秒数），k-means也可能只会为您返回平庸的结果。原因是它会尝试使三个区间具有相同的长度。
你有没有理由怀疑＆＃34;＆＃34;，＆＃34;＆＃34; ＆＃34;＆＃34;＆＃34;＆＃34;有相同的持续时间？如果没有，请不要使用k-means。
但是你可能想看看KDE;并绘制估计的密度。一旦你理解了密度对你的任务的作用，你就可以开始研究适当的算法（例如，获取密度估计的导数，并寻找最大的增加/减少，或估计＆＃34;平均＆＃34;水平，并寻找最长的平均间隔。）