对于sklearn中的聚类算法，有没有一种方法可以指定您希望算法找到多少个聚类（而不是算法查找自己的聚类数量）？从输入的数据中，我希望有2个群集，而不是它为我输出的3个群集。
如果有帮助，我正在使用MeanShift算法（但我的问题适用于所有算法）。另外，大多数教程似乎都使用make_blobs，但是如果使用的是任何更改，我将使用pandas的read_csv来上传我的数据。
这是我的代码的开头：
df = pd.read_csv(filename, header = 0)
original_headers = list(df.columns.values)
df = df._get_numeric_data()
data = df.values
ms = MeanShift()
ms.fit(data)
labels = ms.labels_
cluster_centers = ms.cluster_centers_
n_clusters_ = len(np.unique(labels))
print("Number of estimated clusters:", n_clusters_)
答案 0 :(得分：0)
如上所述，某些用户无法设置MeanShift算法中所需的簇数。
当我们谈论集群时，根据您的问题有很多模型可以使用。基于密度的模型，例如MeanShift和DBSCAN，试图找到比其余数据集更高密度的区域。因此，簇数将由数据本身定义。
例如，K-Means之类的基于质心的方法基于作为参数传递的质心数开始其迭代。
以下链接显示了sklearn的许多聚类算法。尝试找出最适合您的问题的人。
http://scikit-learn.org/stable/auto_examples/cluster/plot_cluster_comparison.html
参考文献：
https://towardsdatascience.com/the-5-clustering-algorithms-data-scientists-need-to-know-a36d136ef68