machine-learning - 一种视觉上可分离簇的聚类算法

Question

在使用 PCA 后，我以 2D 形式可视化了一个数据集。 1 维是时间，Y 维是第一个 PCA 分量。如图所示，点(A、B)之间有较好的分离。但不幸的是，聚类方法(DBSCAN、SMO、KMEANS、Hierarchical)无法将这些点聚类为 2 个簇。正如你在A部分看到的，有一个相对的连续性，这个连续的过程结束了，B部分开始了，A和B之间与过去的数据相比有相当大的差距。

如果您能向我介绍任何方法和算法(或根据数据的分布设计任何指标)，以便能够在不可视化的情况下分离 A 和 B，我将非常感激。非常感谢。

这是上图(第一个)的 2 个 PCA 分量的图。另一个也是其他数据集的组成部分的图，我也得到了不好的结果。

Answer 1

这是一个时间序列，显然您正在寻找变化点或想要分割此时间序列。

不要将此数据集视为二维 x-y 数据集，并且不要在此处使用聚类；而是选择实际为时间序列设计的算法。

首先，绘制series[x] - series[x-1]，即一阶导数。您可能需要消除季节性才能改善结果。没有任何聚类算法可以做到这一点，它们没有季节性或时间的概念。