Python - 如何确定数据点是随机的还是聚集的？

Question

假设我们正在分析一个月内的预订模式。我将给出三个示例数据集。我正在寻找任何算法来根据随机性区分这些。

data-set 1                    data-set2
day   bookings               day    bookings
1       20                    3      35 
2       11                    15     40
3       8                     22     11                   
5       31
6       19                  data-set 3
7       7                     10      20
9       15                    11      37
11      22                    12      9
12      23                    13      26
13      12
14      10
15      20
16      13
19      22
20      18
21      19
22      4
23      2
24      31
25      23
27      28
28      9 
29      13
30      27

肉眼观察这些数据集的day”值，可以明显看出data-set1是随机的，data-set2是分散的，data-set 3是聚集的

我的问题是是否有任何算法可以在 Python 中使用来为极大的数据集实现这些结果。

Answer 1

只需使用任何聚类算法即可。您只有一个自变量 ' bookings '，因此计算距离的计算成本不应该很高。您可以使用sklearn.cluster.KMeans ，例如。

如果您不想分析需要多少个簇，则可以使用不需要先验簇数的算法，例如 sklearn.cluster.DBSCAN .