SKLearn 多分类，无需预先了解 Python 中的分类

Question

我最近开始使用 SKLearn，尤其是分类模型，并且有更多关于用例示例的问题，而不是停留在任何特定的代码位上，所以如果这不是正确的提问地方，请提前道歉诸如此类的问题。

到目前为止，我一直在使用样本数据，其中基于已分类的数据训练模型。以“鸢尾花”数据集为例，所有数据都归入三个物种之一。但是，如果一个人想要在不知道分类的情况下对数据进行分组/分类怎么办。

让我们来看看这个虚构的数据：

  Name  Feat_1  Feat_2  Feat_3  Feat_4
0    A      12    0.10       0    9734
1    B      76    0.03       1   10024
2    C      97    0.07       1    8188
3    D      32    0.21       1    6420
4    E      45    0.15       0    7723
5    F      61    0.02       1   14987
6    G      25    0.22       0    5290
7    H      49    0.30       0    7107

如果想使用不同的功能将名称分成 4 个单独的分类，这是否可能，需要哪种 SKLearn 模型？我不是要任何代码，如果有人能指出我正确的方向，我完全可以自己研究？到目前为止，我只能找到分类已知的示例。

在上面的示例中，如果我想将数据分成 4 个分类，我希望我的结果是这样的（注意新列，表示类）：

  Name  Feat_1  Feat_2  Feat_3  Feat_4  Class
0    A      12    0.10       0    9734      4
1    B      76    0.03       1   10024      1
2    C      97    0.07       1    8188      3
3    D      32    0.21       1    6420      3
4    E      45    0.15       0    7723      2
5    F      61    0.02       1   14987      1
6    G      25    0.22       0    5290      4
7    H      49    0.30       0    7107      4

非常感谢您的帮助

Answer 1

您可以进行 k-mean 聚类，这将在每次迭代中将数据分组到较小的类中，直到所有数据都被分组到 1 个组中。然后你可以在你想要的类数时提前停止迭代，或者你也可以返回已经训练好的模型来获得你想要的类数。例如，要获得 4 个类，当数据聚集在 4 个类中时，您可以后退 4 步

sklearn.cluster.KMeans doc

Answer 2

分类是一种有监督的方法，这意味着训练数据带有特征和标签。如果你想根据特征对数据进行分组，那么你可以选择一些聚类算法（无监督），例如 sklearn.cluster.KMeans（k = 4）。

Answer 3

从确定集群的无监督方法开始...使用这些集群作为标签。

我建议使用 sklearn 的 GMM 而不是 k-means。

https://scikit-learn.org/stable/modules/generated/sklearn.mixture.GaussianMixture.html

K-means 假设圆形簇。

Answer 4

这个话题叫：unsupervised learning

一些定义是：

无监督学习是一种自组织的 Hebbian 学习，它有助于在数据集中找到以前未知的模式，而无需预先存在标签。它也称为自组织，允许对给定输入的概率密度进行建模。 [1]它是机器学习的三大主要类别之一，与监督学习和强化学习一起。还描述了半监督学习，它是监督和无监督技术的混合体。

那里有很多算法，您需要尝试最适合您的算法的算法，例如：

• 分层聚类（在 Scipy 中实现：https://en.wikipedia.org/wiki/Single-linkage_clustering）
• kmeans（在 sklearn 中实现：https://en.wikipedia.org/wiki/K-means_clustering）
• Dbscan（在 sklearn 中实现：https://en.wikipedia.org/wiki/DBSCAN）