哪种算法以及哪种超参数组合最适合对这些数据进行聚类？

Posted 2023-03-12

【中文标题】哪种算法以及哪种超参数组合最适合对这些数据进行聚类？

【英文标题】：Which algorithm and what combination of hyper-parameters will be the best to cluster this data?

【发布时间】：2019-10-17 02:46:42

【问题描述】：

我在学习非线性聚类算法时遇到了这个二维图。我想知道哪种聚类算法和超参数组合可以很好地聚类这些数据。

就像人类会聚集这 5 个尖峰一样。我希望我的算法能够做到这一点。 我尝试了 KMeans，但它只是水平或垂直聚类。我开始使用 GMM，但无法获得适合所需聚类的超参数。

【问题讨论】：

横向问题。你看到五个集群还是六个？还是大约五行？

【参考方案1】：

如果不起作用，请始终尝试先改进预处理。 k-means 等算法对缩放非常敏感，因此需要谨慎选择。

GMM 显然是您的首选。可能值得尝试不同的工具。 R 的 Mclust 非常慢。 Sklearn 的 GMM 有时不稳定。 ELKI 有点难上手，但它的 EM 通常给我最好的结果。

除了 GMM，可能值得尝试相关聚类。这些算法假设有一些流形（例如，一条线）存在集群。示例包括 ORCLUS、LMCLUS、CASH、4C……但在我看来，这些主要适用于合成玩具数据。

【参考方案2】：

我会建议尝试hierarchical clustering。在凝聚式方法中，您将为每个点分配单独的集群，然后根据彼此之间的距离组合集群。

【参考方案3】：

DBSCAN 或 GMM 应该可以很好地对此类数据进行聚类。

它是少数不将数据分类到circular clusters的聚类算法之一

使用 DBSCAN 进行聚类

使用 GMM 进行聚类

也请阅读this blog。它将解释不同的聚类技术。