可能重复:
最佳地聚类一维数据？
所以,假设我有一个这样的数组:
[1,1,2,3,10,11,13,67,71]
有没有一种方便的方法将数组分区为这样的东西？
[[1,1,2,3],[10,11,13],[67,71]]
我查看了类似的问题,但是大多数人建议使用k-means来聚集点,比如scipy,这对像我这样的初学者来说非常混乱.另外我认为k-means更适合两维或更多维聚类吧？有没有办法根据数字将N个数组分组到多个分区/聚类？
有些人还提出了严格的范围分区,但并不总是按预期呈现结果
arrays cluster-analysis data-mining dimension partition-problem
有没有人有一篇论文解释了Ckmeans.1d.dp算法是如何工作的？
或者:在一维中进行k均值聚类的最佳方法是什么？
我有一个在一组对象上运行的算法.该算法产生一个得分值,用于指示集合中元素之间的差异.
排序的输出是这样的:
[1,1,5,6,1,5,10,22,23,23,50,51,51,52,100,112,130,500,512,600,12000,12230]
如果您将这些值放在电子表格中,您会看到它们组成了组
[1,1,5,6,1,5] [10,22,23,23] [50,51,51,52] [100,112,130] [500,512,600] [12000,12230]
有没有办法以编程方式获得这些分组？
也许一些使用机器学习库的聚类算法？还是我在思考这个？
我看过scikit,但他们的例子对我的问题来说太先进了......
我有一个像这样的浮点数组:
[1.91, 2.87, 3.61, 10.91, 11.91, 12.82, 100.73, 100.71, 101.89, 200]
现在,我想像这样对数组进行分区:
[[1.91, 2.87, 3.61] , [10.91, 11.91, 12.82] , [100.73, 100.71, 101.89] , [200]]
// [200]因为群集支持较少而被视为异常值
我必须为几个数组找到这种段,我不知道分区大小应该是多少.我试图通过使用层次聚类(Agglomerative)来实现它 ,它为我提供了令人满意的结果.然而,问题是,我被建议不要将聚类算法用于一维问题,因为它们没有理论上的理由(因为它们用于多维数据).
我花了很多时间来寻找解决方案.但是,建议似乎完全不同,如:这个和这个 VS. 这和这个和这个.
我找到了另一个建议,而不是聚类,即自然中断优化.但是,这也需要声明分区号,如K-means(右？).
这很混乱(特别是因为我必须在几个阵列上执行这种分段,并且不可能知道最佳分区号).
有什么方法可以找到分区(因此我们可以通过一些理论上的合理性来减少分区内的差异并最大化分区之间的差异)？
任何指向文章/论文的指针(如果可用的C/C++/Java实现)都有一些理论上的理由对我很有用.
可能的重复：
一维数字数组聚类
我有一个数字数组，例如[1, 20, 300, 45, 5, 60, 10, 270, 3]. 根据邻近度将这些数字分组在一起的有效算法是什么？在这种情况下，我期望类似[1, 3, 5],[20, 45, 60]和 的东西[270, 300]。
language-agnostic algorithm math statistics cluster-analysis