Sci-kit Learn Clustering 模型是否具有隐藏的全局状态？答案

【问题标题】：Does Sci-kit Learn Clustering model have hidden global state?Sci-kit Learn Clustering 模型是否具有隐藏的全局状态？
【发布时间】：2018-12-02 12:34:30
【问题描述】：

我正在尝试使用 scikit-learn 的 AgglomerativeClustering 模型对一些数据进行聚类。

为了确定更好的参数，我在 for 循环中尝试了不同的参数。似乎只有第一个结果分布良好，其他聚类结果太偏，主要是一个大聚类（~2000）和其他1或2个元素的聚类。

我的代码如下所示：

for n in range(8, 15):
    model = AgglomerativeClustering(n)
    result = do_cluster(model, data_to_cluster)
    show_cluster_result(result)

在我的do_cluster 函数中，我只需要model.fit_predict(data_to_cluster)。

我假设我必须重置 model 在集群或其他东西之后。

谁能告诉我我错过了什么。

在阅读了友好的答案后，我重新检查了我的代码。我的代码有一个愚蠢的错误，它在显示结果（包含对源数据的引用）期间更改了 data_to_cluster 的一些值。我深度复制了源数据，错误消失了。我应该更仔细地检查我的代码。

谢谢。

【问题讨论】：

标签： scikit-learn cluster-analysis

【解决方案1】：

您在每次迭代时都会实例化一个新模型，因此这些实例之间不会传递全局状态。

如果您对聚类不满意，请尝试调整此聚类算法的一些输入参数（请参阅API docs）或尝试其他聚类算法（link）。

【讨论】：

【解决方案2】：

它是相当常见的分层聚类（和其他算法），用于生成包含异常值 em>的微小群集。这就是为什么，例如，DBSCAN有一个噪声概念。这些数据点存在，它们并不适当地处理为群集。

所以我怀疑有一个“全球州”导致这一点。例如，您可以简单地缩小范围，并仅尝试k = 12。如果你假设是正确的，则使用单个k应该是好的。

如果您想更好地了解结果，请查看树木图。它比刚刚尝试不同的k更丰富的信息。

【讨论】：