自己编写代码。然后,它最适合您的问题!
样板:永远不要假设您从网上下载的代码正确或最优……请确保在使用前完全理解它。
%matplotlib inline
from numpy import array, linspace
from sklearn.neighbors.kde import KernelDensity
from matplotlib.pyplot import plot
a = array([10,11,9,23,21,11,45,20,11,12]).reshape(-1, 1)
kde = KernelDensity(kernel='gaussian', bandwidth=3).fit(a)
s = linspace(0,50)
e = kde.score_samples(s.reshape(-1,1))
plot(s, e)
from scipy.signal import argrelextrema
mi, ma = argrelextrema(e, np.less)[0], argrelextrema(e, np.greater)[0]
print "Minima:", s[mi]
print "Maxima:", s[ma]
> Minima: [ 17.34693878 33.67346939]
> Maxima: [ 10.20408163 21.42857143 44.89795918]
因此,您的集群是
print a[a < mi[0]], a[(a >= mi[0]) * (a <= mi[1])], a[a >= mi[1]]
> [10 11 9 11 11 12] [23 21 20] [45]
在视觉上,我们进行了以下拆分:
plot(s[:mi[0]+1], e[:mi[0]+1], 'r',
s[mi[0]:mi[1]+1], e[mi[0]:mi[1]+1], 'g',
s[mi[1]:], e[mi[1]:], 'b',
s[ma], e[ma], 'go',
s[mi], e[mi], 'ro')
我们剪掉红色标记。绿色标记是我们对聚类中心的最佳估计。
0
我需要将简单的单变量数据集聚类到预设数量的聚类中。从技术上讲,由于它只是一维的,因此更接近于对数据进行分类或排序,但是我的老板称其为聚类,因此我将继续使用该名称。我正在使用的系统当前使用的方法是K-means,但这似乎有些过分。
有没有更好的方法来执行此任务?
其他一些帖子的答案提到了KDE(内核密度估计),但这是一种密度估计方法,它将如何工作?
我知道KDE如何返回密度,但是如何告诉它将数据拆分为bin?
如何获得与数据无关的固定数量的容器(这是我的要求之一)?
更具体地说,如何使用scikit实现这一目标?
我的输入文件如下所示:
我想将sls号分组为群集或垃圾箱,例如:
我的输出文件如下所示: