我有 1000 组一维数据（每组长度为 360），我想要 k 意味着对每组数据的小/中/大值（n_clusters = 3）进行分类，但我得到了很多大组只有 1 个数据点的实例，因为该值与其他值相去甚远，但其余的看起来可以清楚地创建 3 个集群。
在其他一些情况下，使用 1 个数据点作为大组似乎是有意义的，因为其余的数据点非常接近。目前尚不清楚是否可以有 3 个独特的集群。
什么是处理这个问题的有效方法？
k-means 将一个数据点分类为一组
数据挖掘
机器学习
聚类
k-均值
2021-10-03 00:05:10
3个回答
我想到了两个想法，可以结合也可以不结合。
- 尝试将单个点识别为异常值，并将其从聚类考虑中删除。
- 允许 变化一点。
同时使用并允许 允许您在主要点集中仅找到两个组以及异常值。仅使用 (2) 可以找到集群 Low/Med/Large/Outlier...它的优点是异常值检测是由 k-means 算法完成的，而不是另一个预处理步骤，但是当你只需要三个时，就有可能找到四个诚实的集群。
当你的数据有异常值时，K-means 不是一个好的选择（你可以从算法的行为方式中理解）。在您的情况下，我建议使用对异常值不敏感的k-medoids （也称为PAM for Partitioning Around Medoids）。
与 K-means 相比，K -medoids需要更多时间来计算，但您不会注意到数据中这种数量级的差异。
K-mrans 对异常值不稳健。这就是你在这里看到的。
在数学上，k-means 做了它预期做的事情。将极值放在自己的集群中会减少方差，这是目标。
就您而言，我认为您首先不想进行聚类。相反，请手动定义将数据离散为三个范围的阈值。然后将在所有系列中使用相同的阈值。