我有一个可以用两条线线性分离的数据集 - 类似这样：
现在我正在寻找一种正确的算法来做我猜 SVM 会对标记数据做的事情——找到每个类的边距或决策边界（在这种情况下是三个）。我尝试了光谱聚类和高斯混合，但这些似乎不起作用。数据来源：三车道道路上汽车的跟踪边界框的边缘。谢谢！
编辑：K-Means 显然不适用于这种分布：
我还尝试了 Ismor 的建议，在 k-means 之前进行一些转换，结果是：
此处的输出对 y0 的原点设置非常敏感，我无法正确设置...
寻找线性可分但未标记数据点的分类 (?) 算法
数据挖掘
分类
支持向量机
无监督学习
2021-09-24 04:53:09
3个回答
我得到了一个部分解决方案，该解决方案可能适用于这种特殊情况，但它不容易概括：由于您的所有数据都收敛到同一点：(1400, 500)，您可以在那里设置坐标中心，然后在角度空间中进行聚类。即使用转换和集群（小心！你可能会除以 0）
我已经在 R 中准备了这个合成示例并且它有效！但同样：这不容易概括
library(data.table)
library(ggplot2)
x <- c(1,2,3,4,5)
y1 <- x + 1
y2 <- -x + 11
y3 <- -3*x + 21
# creates a data.table with 3 lines converging at point (5,6)
dt <- data.table( x = rep(x, 3)
, y = c(y1,y2,y3)
)
data.table看起来像这样：
现在是时候改造它并制作集群了
dt_transform <- dt[, .(x, y, a = atan((y - 6) / (x - 6)) )] # avoid x - 5 == 0
km <- kmeans(dt_transform$a, 3)
dt_cluster <- cbind(dt_transform, cluster = as.factor(km$cluster))
集群data.table看起来像这样：
如果你走这条路，请与我分享结果。我很想知道它是否适用于真实数据
您是否尝试过使用 K-means 算法？我认为它可以产生良好的效果！
这里还有其他选项：https ://towardsdatascience.com/unsupervised-learning-and-data-clustering-eeecb78b422a
编辑：我的第一个想法是使用 PCA，我只是注意到它可以用于未标记的数据
红线
在我看来，红线纯粹是主观的，这意味着它的缺失同样是合理的，因此，我们不应该期望它会普遍存在。例如，它正在通过靠近交点的密集聚集集（橙色圆圈），并且还在直线上分离一些等距的点（紫色圆圈）。
一个通用的解决方案
但是，可以使用以下步骤找到绿线（以及清楚区分两组的类似线）：
- 应用非凸聚类算法，例如 DBSCAN（调整其参数至关重要），
- 将检测到的簇标记为类，
- 使用具有线性决策边界的多类分类器（例如多类逻辑回归或多类线性 SVM）来找到类之间的分隔线。
重新审视红线
正如OP 评论的那样，如果假设是“正好两行”，我同意红线是一个非常好的候选者。我们可以通过调整 DBSCAN 的参数来强加这个假设，即领域知识，直到我们得到 3 个填充良好的集群。
其它你可能感兴趣的问题