了解您使用的是哪种聚类技术会很有帮助。

您可以使用

• 基于分区的聚类：例如 K-Means 聚类，对于异常值不是很好。
• 基于层次的聚类：产生聚类树（凝聚，分裂）。你得到一个树状图。
• 基于密度的聚类：生成任意形状的聚类，例如 DBSCAN

如果您正在寻找圆形集群以外的其他东西并且您需要集群内的集群，我会尝试 DBSCAN。它定位高密度区域和单独的异常值，并且可以在集群中找到集群。

如果您使用的是 Python，则可以将 DBSCAN 与 sklearn 一起使用

from sklearn.cluster import DBSCAN 

我希望这会有所帮助！

你说得对，你希望你的聚类告诉你哪些点是最异常的。对于 k-means 聚类，它是离其分配的聚类最远的点。

我认为没有理由期望异常本身会形成一个集群。如果这是您所期望的，您可能需要计算其他内容，例如超出阈值的点的聚类？

还要考虑一个高斯混合聚类，它就像 k-means 一样，只是将聚类分配视为软性和概率性。该模型下的异常值可能更有意义。