基于某些示例对数据进行聚类答案

【问题标题】：Clustering data based on certain exemplars基于某些示例对数据进行聚类
【发布时间】：2020-02-25 04:47:44
【问题描述】：

我正在检查一些关于相似性传播的信息（除了存在且非常有用的包）。

经过各种计算，我得出了 4 个特定示例，用于某对值，例如 df[1:10, ]：

   X3.115997 X1.873875
1   4.446356  2.931754
2   4.071908  2.810298
3   4.512401  2.505570
4   3.793507  3.615971
5   4.141959  3.362119
6   3.656110  3.248274
7   4.194451  2.346595
8   3.775412  2.823766
9   3.724534  2.931452
10  4.040321  3.414879

我想做的是将 df 的所有值聚集成 4 个特定的值作为示例。

【问题讨论】：

不太清楚你在问什么......也许你正在寻找类似 k-means 或混合模型的东西。
注意您的列标签 - 好像您在导入时丢失了第一行...

标签： r cluster-analysis clustered-index

【解决方案1】：

非常感谢您的回答，

实际上，我想做的是将所有值聚类在 4 个组中（正如我在应用 ap 聚类时在 4 个示例中得出的结论），以便能够将我的 ap 输出与生成的聚类数据集“比较”采用不同的方法。

答案要简单得多，因为还有各种其他函数，如 kmeans() 可以解决问题。一开始对我来说并不是很明显，也许我没有正确表达它。

【讨论】：

【解决方案2】：

Affinity Propagation 相当复杂且昂贵。

将点分配给集群的正确方法是迭代计算职责，这取决于邻居的职责。但是，您选择的 4 个示例可能不再对所有数据负责，或者不再对最负责的点负责。

当您调用“预测”时，一些工具（例如 sklearn）会将所有点分配给最近的邻居。这与最初的方法不一致，但在实践中似乎并没有太大的区别。这可以解释为什么在大多数情况下，亲和力传播似乎并不比 k-means 或 k-medoids 工作得更好 - 如果责任与接近性几乎相同，那么它们最能产生几乎相同的结果。

因此，AP 不是我推荐使用的方法 - 对于结果而言与 k-means 没有太大区别的方法来说太慢了。

【讨论】：