我正在研究一个聚类问题。我有一个训练集，由已知集群的点集组成，我想在测试数据集上找到好的集群。这是一种有监督的聚类。
我查找了有关监督聚类的文章，但没有找到很多信息。有“半监督聚类”，包括使用关于几个点的信息（必须链接或不链接关系），但在我的任务中，我没有这种信息。还有某种“度量学习监督聚类”，它使用标记的集群来估计一个度量，该度量将使用 k-means 生成给定的集群。这种技术可以帮助我，但没有太多关于它的文章，我想知道我是否没有找到好的关键字或其他东西。
使用标记数据（具有已知集群的训练点）对数据点进行聚类的技术/算法是什么？
您要查找的内容称为KNN algorithm，也称为 k 近邻。这是一种有监督的算法，您可以在其中给出点及其集群，然后使用它们来学习测试点的模式。
这是分类，不是吗？
您已标记训练数据。您想相应地标记您的测试集。使用分类器...
KNN algorithm是一个解决方案，但它不能很好地扩展。KNN的成本是如果您提出请求，请按要求它变成了并且根本不扩展。如果您的集群不是太大并且您没有太多的申请要求，它适用。您可以想象一些更快但通常不如ANN（近似最近邻）准确的东西，甚至更快但也更容易出错-手段/模式/原型模型方法。
原理如下，如果你有你的集群，你可以使用每个集群的代表，称为原型，可以通过各种方式找到它。
在真实空间中，您可以使用平均值或中位数作为原型。对于二进制空间，请使用多数票。对于混合空间，例如均值/媒体和多数投票。
您还可以随机选取集群中的一个点，这是中心点方法，这种方法具有在任何度量空间上工作的优势。一旦每个集群都有一个原型，您只需要将未知点与其最近原型的集群相关联。
这些方法的复杂性下降到每个请求是集群的数量，如果您没有数百万个集群，这种技术将很容易实现（取决于您的度量空间）并且工作速度很快。
老实说，直到现在我才听说过“半监督聚类”。那里有很多聚类技术。这里有 7 个流行的 tequines 聚类。我为您整理了一些示例代码（如下）。我让它尽可能自动化（只需复制/粘贴）。希望这会让你指出正确的方向。只需将您自己的数据输入X变量（确保它是一个数组）。
所以：X = df['A'].to_numpy()
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
#%matplotlib inline
from sklearn import datasets#Iris Dataset
iris = datasets.load_iris()
X = iris.data#KMeans
km = KMeans(n_clusters=3)
km.fit(X)
km.predict(X)
labels = km.labels_#Plotting
fig = plt.figure(1, figsize=(7,7))
ax = Axes3D(fig, rect=[0, 0, 0.95, 1], elev=48, azim=134)
ax.scatter(X[:, 3], X[:, 0], X[:, 2],
c=labels.astype(np.float), edgecolor="k", s=50)
ax.set_xlabel("Petal width")
ax.set_ylabel("Sepal length")
ax.set_zlabel("Petal length")
plt.title("K Means", fontsize=14)
########################################
from sklearn.mixture import GaussianMixture
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
%matplotlib inline
from sklearn import datasets#Iris Dataset
iris = datasets.load_iris()
X = iris.data#Gaussian Mixture Model
gmm = GaussianMixture(n_components=3)
gmm.fit(X)
proba_lists = gmm.predict_proba(X)#Plotting
colored_arrays = np.matrix(proba_lists)
colored_tuples = [tuple(i.tolist()[0]) for i in colored_arrays]
fig = plt.figure(1, figsize=(7,7))
ax = Axes3D(fig, rect=[0, 0, 0.95, 1], elev=48, azim=134)
ax.scatter(X[:, 3], X[:, 0], X[:, 2],
c=colored_tuples, edgecolor="k", s=50)
ax.set_xlabel("Petal width")
ax.set_ylabel("Sepal length")
ax.set_zlabel("Petal length")
plt.title("Gaussian Mixture Model", fontsize=14)
########################################
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import sklearn.cluster as cluster
import time
#%matplotlib inline
sns.set_context('poster')
sns.set_color_codes()
plot_kwds = {'alpha' : 0.25, 's' : 80, 'linewidths':0}
data = X
plt.scatter(data.T[0], data.T[1], c='b', **plot_kwds)
frame = plt.gca()
frame.axes.get_xaxis().set_visible(False)
frame.axes.get_yaxis().set_visible(False)
def plot_clusters(data, algorithm, args, kwds):
start_time = time.time()
labels = algorithm(*args, **kwds).fit_predict(data)
end_time = time.time()
palette = sns.color_palette('deep', np.unique(labels).max() + 1)
colors = [palette[x] if x >= 0 else (0.0, 0.0, 0.0) for x in labels]
plt.scatter(data.T[0], data.T[1], c=colors, **plot_kwds)
frame = plt.gca()
frame.axes.get_xaxis().set_visible(False)
frame.axes.get_yaxis().set_visible(False)
plt.title('Clusters found by {}'.format(str(algorithm.__name__)), fontsize=24)
plt.text(-0.5, 0.7, 'Clustering took {:.2f} s'.format(end_time - start_time), fontsize=14)
plot_clusters(data, cluster.KMeans, (), {'n_clusters':5})
plot_clusters(data, cluster.AffinityPropagation, (), {'preference':-5.0, 'damping':0.95})
plot_clusters(data, cluster.MeanShift, (0.175,), {'cluster_all':False})
plot_clusters(data, cluster.SpectralClustering, (), {'n_clusters':6})
plot_clusters(data, cluster.AgglomerativeClustering, (), {'n_clusters':6, 'linkage':'ward'})
plot_clusters(data, cluster.DBSCAN, (), {'eps':0.025})
