如何在 scikit-learn 中使用 KDE（核密度估计）进行一维数组聚类？

Posted 2023-03-12

【中文标题】如何在 scikit-learn 中使用 KDE（核密度估计）进行一维数组聚类？

【英文标题】：How to use KDE (Kernel density estimation) for one-dimensional array clustering, in scikit-learn?

【发布时间】：2016-10-14 22:33:02

【问题描述】：

我阅读了几篇关于一维数组聚类的帖子，其中人们说聚类不适合一维数组，应该改用核密度估计。但是，没有人解释如何使用 kde 准确执行聚类，如何检索输入数据的聚类标签？

在 scikit-learn 中，我得到了单变量（一维）数据的核密度估计。

kde = KernelDensity(kernel='gaussian', bandwidth=0.75).fit(features)

我现在如何使用它进行聚类，即如何检索输入数据的聚类标签？

我正在考虑两种可能的方法： a) 使用 kde 为某些聚类估计器（例如 kmeans）获取新的 2D 输入数据。我想以直方图（[值，频率]）的形式检索二维数据数组，但我不知道如何从 kde 中做到这一点？ 是否可以将 kde 用作聚类算法的新输入数据集，比如 kmeans 估计器？如果是，如何？如何从 kde 获取数据集？ b) 直接使用kde 计算簇之间的边界。在我的特殊情况下，我知道有两个集群，我想找到它们之间的边界。而且我需要通过计算来完成，而不是通过查看情节来手动完成......

【问题讨论】：

只需使用 X_samples = kde.sample(n_samples=X)。然后你可以拟合 kmeans。

@sascha，你的表情中的“X”是什么？我如何获得它？

您正在从您学习的 KDE 中采样值。 n_samples 只是要采集的样本数。

@sascha 你希望从中得到什么？这种方法与这个问题一样没有意义。聚类分析是关于回答问题，而不是在没有计划的情况下对随机数据运行随机函数。

【参考方案1】：

您不会对密度估计运行聚类算法。

您想找到密度中的局部最小值和最大值以找到分割数据的位置。

【讨论】：

你可以向他/她展示一些关于如何找到这个局部最小值和最大值的代码，这会丰富你的答案。