cluster-analysis - 哪种算法以及哪种超参数组合最适合对这些数据进行聚类？

Question

我正在学习非线性聚类算法，我遇到了这个二维图。我想知道哪种聚类算法和超参数组合可以很好地聚类这些数据。

就像人类会聚集这 5 个尖峰一样。我希望我的算法能够做到这一点。我尝试了 KMeans，但它只是水平或垂直聚类。我开始使用 GMM，但无法获得适合所需聚类的超参数。

Answer 1

如果它不起作用，请始终尝试先改进预处理。k-means 等算法对缩放非常敏感，因此需要谨慎选择。

GMM 显然是您的首选。可能值得尝试不同的工具。R 的 Mclust 非常慢。Sklearn 的 GMM 有时不稳定。ELKI 有点难上手，但它的 EM 通常给了我最好的结果。

除了 GMM，可能值得尝试相关聚类。这些算法假设存在某个簇存在的流形（例如，一条线）。示例包括 ORCLUS、LMCLUS、CASH、4C……但在我看来，这些主要适用于合成玩具数据。

Answer 2

我会建议尝试分层聚类。在凝聚方法中，您将为每个点分配单独的集群，然后根据彼此之间的距离组合集群。

Answer 3

DBSCAN或者GMM应该很好地对此类数据进行聚类。

它是少数不将数据分类为的聚类算法之一circular clusters

使用 DBSCAN 进行聚类

使用 GMM 进行聚类

也请务必阅读此博客。它将解释不同的聚类技术。