使用其他属性

Question

我正在使用包含空间地块的大型集合，每行包含地理坐标（UTM），地块区域和地理坐标。值：

[x, y, area, value]:
[272564.9434265977, 6134243.108910706, 980.63, 550.6664083293393],
[272553.9611341293, 6134209.499155387, 1026.55, 477.32696897374706],
[271292.4197118982, 6132982.047648986, 634.438, 851.1469993915875],
...

根据地理位置，可以在视觉上识别出几个不同的区域，其中美元价值会有所不同（例如左边的高价值条带是沿海地区）：

我想识别价值集群（即沿海地带）＆amp;看了几种方法;

• K-means似乎是最容易实现的聚类方法，但却出现了 因为只考虑点之间的距离而不合适 进一步的属性。

• ClusterPy看起来很适合这个应用程序，但他们的 文档似乎只涉及使用GIS文件。

• DBSCAN似乎更相关，但我不确定如何包含我的 附加属性（$ value） - 可能是第三个维度？

有人可以建议考虑其他任何工具包/方法吗？

Answer 1

查看广义DBSCAN（GDBSCAN），它可以轻松地让您需要两者的邻居点

1. 在距离阈值内（如在常规DBSCAN中）
2. 价格变化最多10％（以防止沿海地区与常规合并）

Answer 2

至少在分层聚类中，您可以定义connectivity constraints，以便只有＆＃34;连接＆＃34;样本可以属于同一个集群。在您的情况下，x和y将由函数sklearn.neighbors.kneighbors_graph()用于创建邻居列表，value变量将用于群集。