python - 聚类分析的适用性

Question

关闭。此题需要 details or clarity 。目前不接受答案。

---

想要改进这个问题吗？通过 editing this post 添加详细信息并澄清问题.

已关闭 8 年前。

Improve this question

我有大量对象，我计算出每对对象之间有 4 个百分比的差异。

例如:O1 和 O2 有区别:a12、b12、c12 和 d12 51、78、22、93。

我希望标记差异小于某个阈值的“接近”对象。 (我还不知道这 4 项措施的每一项有多“重要”。)

聚类分析是解决这个问题的合适方法吗？任何有关 Python 算法和初学者教程的指南都会非常有帮助。

Answer 1

这可能不是聚类分析问题。

基本区别是您是否按照某些连通性标准对所有点进行分组(这不是聚类)，或者算法是否根据数据本身动态确定聚类的标准(这是聚类)？

典型聚类分析的定义问题是聚类定义仅基于数据。也就是说，算法在同一进程中创建集群以及这些集群的定义。或者，换句话说，当您开始聚类时，您向算法提供数据，但不给它阈值。

由于您已经有了阈值，因此这不是通常所说的聚类。即使您有多个阈值可供选择，也只需对数据进行分组，因为您的阈值将决定并比较分组。

这里的警告正是您所说的“阈值”的含义以及您想要如何应用它。如果你想找到建立小于某个阈值的连接点链的所有点，那么它不是聚类。相反，如果您希望阈值定义点之间的非线性度量，则将应用正常的聚类算法(尽管具有非常不寻常的度量 - 所以这可能不是您想要的方法)。

另一个需要注意的是，人们所说的“集群”可能有不同的含义，我想我使用的是通常的数据分析定义，尽管人们当然也以其他方式使用这个词。例如，请参阅 scipy.cluster 中的算法。 .

<小时/>

至于采取什么方法，到目前为止您还没有描述足够的细节来回答这个问题。例如，您想用中位数替换最接近的对吗？或者遵循邻居的连接链？等等。也许类似于 KDTree 对你有用。