我正在使用基于数据集的核密度估计的 Mean Shift 聚类算法。我想生成一个大型的高维数据集，我认为 Scikit-Learn 函数make_blobs会很合适。但是当我尝试生成一个 100 万个点的 8 维数据集时，我最终将几乎每个点都视为一个单独的集群。
我正在生成标准差为 1 的 blob，然后将均值偏移的带宽设置为相同的值（我认为这是有道理的，对吗？）。对于二维数据集，这产生了很好的结果，但对于更高的维度，我认为我遇到了维度的诅咒，因为点之间的距离变得太大而无法进行有意义的聚类。
有没有人有关于如何获得适合（类似于）Mean Shift 聚类的良好高维数据集的任何提示/技巧？（或者我做错了什么？（这当然是一个很好的可能性））