scikit-learn 谱聚类的输入值可以是负值吗？

Question

假设，我有 20 列和 10K 行的 df。由于数据的取值范围很广，我使用以下代码对数据进行规范化：

from sklearn.preprocessing import StandardScaler
min_max_scaler = preprocessing.StandardScaler()
df_scaled = min_max_scaler.fit_transform(df)

df_scaled 现在包含负值和正值。 现在，如果我将这个归一化的数据帧传递给光谱集群，如下所示，

spectral = SpectralClustering(n_clusters = k, 
                                  n_init=30,
                                  affinity='nearest_neighbors', random_state=cluster_seed,
                                  assign_labels='kmeans')
 clusters =  spectral.fit_predict(df_scaled)

我会拿到集群标签。

这让我感到困惑：official doc 说 “只应使用产生相似性分数（随相似性增加的非负值）的内核。聚类算法不会检查此属性。”

问题：df_scaled的归一化负值会影响聚类结果吗？ 要么 它是否取决于我正在使用的亲和力计算，例如precomputed, rbf?如果是这样，我如何将归一化的输入值用于 SpectralClustering？ 我的理解是规范化可以改善聚类结果并有利于更快的计算。 非常感谢任何有关如何解决该问题的帮助或提示。

Answer 1

您传递的是 数据 矩阵，而不是预先计算的亲和度矩阵。

“最近邻”使用非负的二元核。

为了更好地理解内部工作原理，请查看源代码。