我想使用 HDBSCAN 聚类技术来预测异常值。我已经训练了我的模型来优化参数，但是当我对新数据应用approximate_predict 时，我得到了与原始模型中不同的集群和标签。我将在这里解释处理流程。
我有一个如下所示的数据集：
我应该注意到，这个数据集有我人为添加的异常值，目的是优化参数。然后，我申请：
clusterer = hdbscan.HDBSCAN(min_cluster_size=10, gen_min_span_tree=True,
cluster_selection_epsilon=0.1,min_samples=1,allow_single_cluster=True, prediction_data=True, leaf_size=30)
clusterer.fit(X_scaled)
获得三个簇（包括异常值-1簇）：
在这里，您可以看到集群的样子：
在此之后，我创建了一个名为“new_observation”的数据框，它实际上是从原始数据集中获取的一些随机观察结果，我应用了：
test_labels, strengths = hdbscan.approximate_predict(clusterer, new_observation)
test_labels
在这里，我的测试标签看起来像： array([ -1, 56, 150, -1])
这意味着从这些观察中，它检测到两个异常值，以及分配给我没有的集群的两个观察。
此外，看看像这样的绘图：
from matplotlib import cm
cmap = cm.get_cmap('Set1')
plt.scatter(x='wind_speed',y='temperature',data=X_scaled, c=clusterer.labels_, cmap=cmap)
plt.scatter(x='wind_speed',y='temperature',data=new_observation, c=test_labels, cmap=cmap, s=120)
plt.show()
我们可以观察到我们在不应该有的地方有异常值。
我真的不知道近似预测是如何进行聚类的，但似乎不起作用，有人可以帮助我吗？？？
谢谢！！！！