按中心和半径对圆的数据进行聚类

【问题标题】：clustering the data for circle by center and radius按中心和半径对圆的数据进行聚类
【发布时间】：2021-04-14 06:04:24
【问题描述】：

我有一个圆心（x，y）和半径（r）的数据集。需要将位置接近的圆圈聚集在一起。然后我有一点需要找到最近的集群。

index x   y  r
0     0   0  3
1     1   2  2
2     9   5  1
3     10  6  1
4     100 8 20

例如，按索引，簇将是 (0,1),(2,3),(4)。我认为这部分应该由聚类算法开发，但不知道是哪种算法。对于下一步 - 找到最近的集群，考虑时间复杂度，找到它的最佳方法是什么？

【问题讨论】：

看起来像k-nn的情况。

标签： python machine-learning classification cluster-analysis decision-tree

【解决方案1】：

您可以使用 K-Means 聚类，这是一种无监督技术。 K 是这里的超参数，它表示您想在数据中找到的集群数量，因此您需要在将模型拟合到数据之前设置 K 的值（如您所知，如果您不是确定可能有多少个集群，那么您需要设置不同的 K 值，然后查看最适合您的）。对于您关于时间复杂度的问题，在 ML 中，我们几乎不考虑时间复杂度（并非严格意义上的真实），因为我们经常希望权衡时间以更好地减少损失的准确性。

K-means 的工作原理：

最好的部分是您可以非常轻松地尝试此方法并使用 Scikit Learn 库查看它的执行情况，因为您无需编写太多代码，因此非常简单。您可以在此处浏览文档 - sklearn.cluster.KMeans

【讨论】：