有没有办法对包含集群但不完全由集群组成的数据进行部分集群？

Question

我有一些 2D 数据 (x,y)，我需要确定在 x 方向上哪里有很多彼此靠近的数据点。有 3 个明显的集群，其中所有 x 点都靠得很近，其余数据不属于它们。我打算使用 k-means 聚类算法，但这似乎是为了对所有数据进行聚类，而我只想标记数据中显然是聚类的 3 个聚类数据，并将其余的标记为正常数据。

数据位于单独的 csv 文件中，我对其进行处理，然后读入一个大数据帧。到目前为止，在处理数据的过程中，我已经过滤掉了处理数据超过一定长度的文件，但这显然意味着有时部分集群会被排除在文件之外或正常数据被排除在外。

Answer 1

您可以尝试DBSCAN 之类的方法，它允许将点分类为“噪声”，这似乎就是您所追求的。有一个与 scikit 项目相关的分层版本，称为 hdbscan

Google 发现各种 documents 描述了 k-means 聚类的替代方案。 hdbscan 文档也很好地描述了comparing alternatives。