python - K 表示在大小不均匀的簇上进行聚类

Question

我必须在数据集上使用 k 均值聚类(我正在使用 Scikit learn)，如下所示

但是当我应用 K 时，意味着它没有按预期给出质心。并且分类错误。另外，如果我想知道 scikit learn 中未正确分类的点，会有什么想法。这是代码。

km = KMeans(n_clusters=3, init='k-means++', max_iter=300, n_init=10)
km.fit(Train_data.values)
plt.plot(km.cluster_centers_[:,0],km.cluster_centers_[:,1],'ro')
plt.show()

这里 Train_data 是 pandas 框架，有 2 个特征和 3500 个样本，代码如下。

我可能会因为初始质心选择不当而发生这种情况，但是解决方案是什么？

Answer 1

首先，我希望您注意到两个图中 X 轴和 Y 轴的范围不同。所以，第一个质心(按 X 值排序)还不错。第二个和第三个是由于大量异常值而得到的。他们可能各占最右边两个簇的一半。此外，k 均值的输出取决于质心的初始选择，因此请查看不同的运行或将初始参数设置为随机是否会改善结果。提高效率的另一种方法是删除在距离 d 的半径内具有少于 n 个邻居的所有点。为了有效地实现这一点，您可能需要一个 kd 树，或者只使用 DBSCAN sklearn 提供的，看看它是否效果更好。

K-Means++ 也可能会选择异常值作为初始簇，如所解释的 here 。因此，您可能需要将 KMeans 中的初始化参数更改为“随机”并执行多次运行并获取最佳质心。

对于您的数据，由于它是二维的，因此很容易知道点是否正确分类。使用鼠标“拾取”近似质心的坐标(请参阅 here )，然后将从拾取坐标获得的簇与从 k-means 获得的簇进行比较。