数据挖掘 - 有没有一种科学的方法来对这个问题的连续数字进行分组 - 吾爱随笔录

我使用 python，我有一个包含 19 个元素的数字列表，我想将此列表分成 6 个或更少的组。

该列表可能包含 0 和 1 之间的数字。它不能被订购，我需要保持它的形式并被切断

列表：

Numbers :  [[ 0.867   - 0.808   - 0.740    - 0.746    - 0.674   - 0.669   -
              0.648   - 0.722   - 0.781    - 0.612    - 0.575   - 0.566   -
              0.500   - 0.555   - 0.818    - 0.800    - 0.500   - 0.500   - 0.666 ]]

我想得到像这样的集群：

A: [[ 0.867   - 0.808   - 0.740    - 0.746 ]]

B: [[ 0.674   - 0.669   - 0.648 ]]

C: [[ 0.722   - 0.781 ]]

D: [[ 0.612   - 0.575   - 0.566    - 0.500    - 0.555  ]]

E: [[ 0.818   - 0.800 ]]

F: [[ 0.500   - 0.500    - 0.666 ]]

我用眼睛分裂，为此，我要求一种科学的方法来实现我的目标。

关于我如何定义这些集群：

我有一个从额外函数中获得的值，它等于 0.80。我需要将列表中的每个值与 0.80 进行比较以了解差异。

进行比较后，我得到下表

Numbers      Difference_0.80
0.867            +0.06 
0.808             0.0
0.740            -0.06
0.746            -0.06

0.674            -0.13
0.669            -0.14
0.648            -0.16

0.722            -0.08
0.781            -0.02

0.612            -0.19
0.575            -0.23
0.566            -0.24
0.500            -0.3
0.555            -0.25

0.818            +0.01
0.800             0.0

0.500            -0.3
0.500            -0.3
0.666            -0.14

当我尝试聚类方法（n_clusters = 2）时，我得到了：

0   category_Kk-mean
0.867   0
0.808   0
0.740   0
0.746   0
0.674   1
0.669   1
0.648   1
0.722   0
0.781   0
0.612   1
0.575   1
0.566   1
0.500   1
0.555   1
0.818   0
0.800   0
0.500   1
0.500   1
0.666   1

但是我也想知道这个类别（D）比类别（B）有很大的减少：

category D
0.612   1
0.575   1
0.566   1
0.500   1
0.555   1

Category B

0.674   1
0.669   1
0.648   1

我尝试使用 n_clusters=3 但结果非常糟糕

统计或数学中是否有任何方法可以帮助我获得它

import numpy as np numbers = np.array([0.867, 0.808, 0.740, 0.746, 0.674, 0.669, 0.648, 0.722, 0.781, 0.612, 0.575, 0.566, 0.500, 0.555, 0.818, 0.800, 0.500, 0.500, 0.666]) #you can experiment with other step sizes step_size = (numbers.max() - numbers.min())/len(numbers) numbers2d = np.array([(step_size * i,x) for (i,x) in enumerate(numbers - 0.8)]) from sklearn.cluster import KMeans kmeans = KMeans(n_clusters=6) kmeans.fit(numbers2d) #random init - possibly different result each time print(kmeans.labels_) import matplotlib.pyplot as plt for cluster in set(kmeans.labels_): x = np.where(kmeans.labels_==cluster)[0] y = numbers[x] x = numbers2d[:,0][x] plt.scatter(x,y) plt.show()