基于y距离0进行分组的聚类算法答案

【问题标题】：Clustering algorithm for grouping based on y distance from 0基于y距离0进行分组的聚类算法
【发布时间】：2018-08-22 03:25:50
【问题描述】：

为了建立一个监督学习模型，我每天对感兴趣的变量进行 st.dev。我想找到每日 st.dev 的集群，即第 1 组具有最小的 st.dev，第 2 组具有更大的等等。

聚类结果将为 CART 算法提供分类标签。怀疑有4个类。

我有一个二维矩阵，日期为“X”，每日 st.dev 为“y-true”。将日期列转换为数字后：

mat.X = pd.to_numeric(mat['X'])

在 sklearn 库中使用 k-means，结果如下：

kmeans = KMeans(n_clusters=3)
kmeans = kmeans.fit(mat)]
labels = kmeans.predict(mat)
plt.scatter(mat[:,0],mat[:,1], c=kmeans.labels_, cmap='rainbow')

结果没有对Y轴的st.dev数据进行聚类。这是一个好的方法吗？是否应该切换列以对 st.dev 数据进行聚类？

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

您说您只想在 std-dev 上进行集群，但您是在两个维度上进行集群，即 std-dev 和日期。

试试这个。

kmeans = KMeans(n_clusters=3)
kmeans = kmeans.fit(mat[:, 1])] 
labels = kmeans.predict(mat[:, 1])
plt.scatter(mat[:,0],mat[:,1], c=labels, cmap='rainbow')

【讨论】：