通过 KMeans 聚类确定双峰分布的阈值
Posted
技术标签:
【中文标题】通过 KMeans 聚类确定双峰分布的阈值【英文标题】:Determining a threshold value for a bimodal distribution via KMeans clustering 【发布时间】:2017-06-28 05:55:01 【问题描述】:我想找到双峰分布的阈值。例如,双峰分布可能如下所示:
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(45)
n = 1000; b = n//10; i = np.random.randint(0,2,n)
x = i*np.random.normal(-2.0,0.8,n) + (1-i)*np.random.normal(2.0,0.8,n)
_ = plt.hist(x,bins=b)
寻找聚类中心的尝试没有奏效,因为我不确定矩阵 h 应该如何格式化:
from sklearn.cluster import KMeans
h = np.histogram(x,bins=b)
h = np.vstack((0.5*(h[1][:-1]+h[1][1:]),h[0])).T # because h[0] and h[1] have different sizes.
kmeans = KMeans(n_clusters=2).fit(h)
我希望能够在 -2 和 2 附近找到聚类中心。阈值将是两个聚类中心的中点。
【问题讨论】:
【参考方案1】:您的问题让我有点困惑,所以如果我的解释有误,请告诉我。我认为您基本上是在尝试进行 1D kmeans,并尝试将频率作为第二维引入以使 KMeans
工作,但真的很高兴 [-2,2]
作为中心的输出而不是 [(-2,y1), (2,y2)]
。
要进行一维 kmeans,您只需将数据重塑为 1 长度向量的 n
(类似问题:Scikit-learn: How to run KMeans on a one-dimensional array?)
代码:
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(45)
n = 1000;
b = n//10;
i = np.random.randint(0,2,n)
x = i*np.random.normal(-2.0,0.8,n) + (1-i)*np.random.normal(2.0,0.8,n)
_ = plt.hist(x,bins=b)
from sklearn.cluster import KMeans
h = np.histogram(x,bins=b)
h = np.vstack((0.5*(h[1][:-1]+h[1][1:]),h[0])).T # because h[0] and h[1] have different sizes.
kmeans = KMeans(n_clusters=2).fit(x.reshape(n,1))
print kmeans.cluster_centers_
输出:
[[-1.9896414]
[ 2.0176039]]
【讨论】:
以上是关于通过 KMeans 聚类确定双峰分布的阈值的主要内容,如果未能解决你的问题,请参考以下文章