在不知道 k 的情况下，哪种聚类算法适用于一维 Lists？

Posted 2023-03-12

【中文标题】在不知道 k 的情况下，哪种聚类算法适用于一维 Lists？

【英文标题】：Which clustering algorithm is suitable for one-dimensional Lists without knowing k?

【发布时间】：2013-12-12 09:17:10

【问题描述】：

我有一个像这样的一维列表

public class Zeit_und_Eigenschaft

    [Feature]
    public double Sekunden  get; set; 


//...
List<Zeit_und_Eigenschaft> lzue = new List<Zeit_und_Eigenschaft>();
//fill lzue

lzue可以

lzue.Sekunden
1
2
3
4
8
9
10
22
55
...

目标是在该列表中找到集群，即可以形成像 f.i. 这样的组的元素。在这个例子中

lzue.Sekunden
1
2
3
4

8
9
10

22

55

哪种聚类算法合适（不知道聚类个数k）？ GMM？主成分分析？克米恩斯？其他？

【问题讨论】：

partitioning an float array into similar segments (clustering) 的可能重复项

【参考方案1】：

不要寻找聚类算法。

聚类是多变量数据的一个很好的术语，但是您的数据是一维的，因此您应该查看更古老的统计文献。例如。自然休息优化。

或者只是核密度估计。事实上，你会在 *** 上发现同样的问题几十次...

1D Number Array Clustering

Cluster one-dimensional data optimally?

partitioning an float array into similar segments (clustering)

Efficiently grouping similar numbers together

Clustering values by their proximity in python (machine learning?)

【参考方案2】：

几个月前，MSDN 杂志上有一篇关于这个主题的好文章。他们使用了 k-means 算法。链接：

http://msdn.microsoft.com/en-us/magazine/jj891054.aspx

此外，作为 Andrew Ng 的在线机器学习课程的一部分，还有一些关于 k-means 聚类的视频。链接：

https://class.coursera.org/ml-003/lecture/preview

当你不知道 k 时，有一些算法可以搜索一个好的值。对 k-means + 肘进行网络搜索。