标签：scikit-learn cluster-analysis dbscan python
我在3D空间中有以下几点：
我需要根据D_max和d_max对点进行分组：
D_max = max dimension of each group
d_max = max distance of points inside each group
像这样：
上图中的组的形状看起来像一个盒子,但是形状可以是可以作为分组算法输出的任何形状.
我正在使用Python,并使用Blender可视化结果.我正在考虑使用scipy.spatial.KDTree并调用其query API,但是,我不确定这是否是当前工作的正确工具.我担心可能有一个我不知道的更好的工具.我很好奇,是否还有其他工具/库/算法可以帮助我.
正如@CoMartel指出的那样,有DBSCAN和HDBSCAN clustering模块看起来很适合此类问题.但是,正如@Paul指出的那样,它们缺少与我的D_max参数相关的最大群集大小的选项.我不确定如何向DBSCAN和HDBSCAN群集添加最大群集大小功能.
感谢@ Anony-Mousse,我看了Agglomerative Clustering: how it works和Hierarchical Clustering 3: single-link vs. complete-link并且正在学习Comparing Python Clustering Algorithms,我觉得这些算法的工作原理越来越清楚了.
解决方法:
根据要求,我的评论为答案：
您可以使用DBSCAN(http://scikit-learn.org/stable/modules/generated/sklearn.cluster.DBSCAN.html)或HDBSCAN.
这两种算法都允许根据d_max(同一数据集的2个点之间的最大距离)对每个点进行分组,但是它们没有采用最大的簇大小.限制簇的最大大小的唯一方法是减小eps参数,该参数控制同一簇的2个点之间的最大距离.
标签：scikit-learn,cluster-analysis,dbscan,python 来源： https://codeday.me/bug/20191025/1926452.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。