使用DBSCAN或OPTICS进行时间序列聚类
时间序列聚类是一种将时间序列数据进行分组的技术，可以帮助我们发现数据中的模式和趋势。DBSCAN（Density-Based Spatial Clustering of Applications with Noise）和OPTICS（Ordering Points To Identify the Clustering Structure）是两种常用的时间序列聚类算法。
DBSCAN是一种基于密度的聚类算法，它将数据点分为核心点、边界点和噪声点。核心点是在指定半径内具有足够数量的邻居点的数据点，边界点是在指定半径内没有足够数量的邻居点但是位于核心点的邻域内的数据点，噪声点是既不是核心点也不是边界点的数据点。DBSCAN通过不断扩展核心点的邻域来形成聚类，同时将边界点分配给相应的聚类。DBSCAN的优势在于可以发现任意形状的聚类，并且对噪声点具有鲁棒性。
OPTICS是一种基于密度的聚类算法的改进版本，它通过计算每个数据点的可达距离和核心距离来构建一个可达距离图。可达距离表示从一个数据点到另一个数据点的最小距离，核心距离表示一个数据点的邻域内必须包含的最小数量的邻居点。OPTICS根据可达距离图中的距离和密度信息来确定聚类结构，可以发现具有不同密度的聚类，并且对参数选择相对不敏感。
时间序列聚类在许多领域都有广泛的应用，例如金融领域的股票价格分析、工业领域的传感器数据分析、医疗领域的生理信号分析等。通过对时间序列数据进行聚类，可以帮助我们发现相似的模式和趋势，从而进行更深入的分析和预测。
腾讯云提供了一系列与时间序列聚类相关的产品和服务，例如云数据库 TencentDB、云服务器 CVM、云原生容器服务 TKE、人工智能平台 AI Lab等。您可以通过访问腾讯云官方网站（https://cloud.tencent.com/）了解更多关于这些产品的详细信息和使用指南。
相关·内容
1回答
不同轴上不同感光子的光学算法
、、、、
我正试图将所提供的充电电源集中到不同的车辆上。
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import DBSCAN
from sklearn.cluster import KMeans, AgglomerativeClustering, DBSCAN, OPTICS, cluster_optics_dbscan
df_temp_12 = list(map(lambda x, y: [x, y], VehicleList, Power))
Eps = 1.3
dbscan_12_object
浏览 14提问于2022-04-22得票数 0
回答已采纳
2回答
我正致力于根据空中物体的轨迹对其进行聚类。就像我想在不同飞行物体轨迹的数据集上训练一个模型，这样以后我就可以根据轨迹数据来预测物体的类型。现在的轨道数据包括4种东西(高度，经度，纬度，时间)。因此，基于这些数据集，我们可以对飞机、火箭、导弹等物体进行分类。但我不知道可以使用哪种算法？我首先想到的是支持向量机。后来我想“长时间记忆”可以用。但我不太确定。我对机器学习很陌生。所以任何帮助都是非常感谢的。
浏览 0提问于2020-03-11得票数 0
我试着按照本教程使用预计算距离的ELKI进行聚类。
我使用了以下命令行选项：
-dbc.filter FixedDBIDsFilter -dbc.startid 0 -algorithm clustering.OPTICS
-algorithm.distancefunction external.FileBasedDoubleDistanceFunction
-distance.matrix /path/to/matrix -optics.minpts 5 -resulthandler ResultWriter
ELkI失败，配置错误，说明需要db.in文件来进行计算。
The foll
浏览 3提问于2013-09-10得票数 0
回答已采纳
1回答
我正在尝试使用python的sklearn将光学聚类模型与我的数据相匹配
from sklearn.cluster import OPTICS, cluster_optics_dbscan
from sklearn.preprocessing import StandardScaler
x = StandardScaler().fit_transform(data.loc[:, features])
op = OPTICS(max_eps=20, min_samples=10, xi=0.1)
op = op.fit(x)
在此模型中，得到了点的可达距离(op.reachability_)
浏览 5提问于2021-04-26得票数 1
回答已采纳
2回答
提出的问题如下:使用scikit-学习将数据分割成一个培训和测试集。使用DBSCAN将数据分类为猫或狗。
我试图弄清楚如何使用DBSCAN来使用训练数据来拟合模型，然后预测测试集的标签。我很清楚DBSCAN是用于集群而不是预测的。我还看过和许多其他线程。DBSCAN只附带fit和fit_predict函数，当尝试使用训练数据拟合模型，然后使用测试数据测试模型时，这些函数似乎不太有用。
这个问题是用词不当还是我漏掉了什么？我已经看过科学工具包-学习文档以及寻找例子，但没有任何运气。
# Split the samples into two subsets, use one for trainin
浏览 0提问于2019-03-29得票数 2
回答已采纳
我有一个特定的数据集，由50k元素组成，每个元素都有40个特性。我想试着按原样对数据进行聚类，而不降低任何维数。我考虑的主要算法是DBSCAN，因为它更通用，我可以接受一些poits作为噪声。但是，我如何判断集群是否“重要”，因为我无法将集群与数据进行比较。为了选择DBSCAN的参数，我做了一个k-nn分析，但是结果让我担心。例如，下面是第三近邻图。
📷
如您所见，沿x轴(对象)的距离(y轴)基本上是“一致的”。这是否意味着数据在某种程度上是一致稀疏的，在这种情况下，聚类是无用的？
我已经尝试过对数据进行聚类，特别是使用epsilon在2-2.5和min_sample的不同值。然而，剪影得分很
浏览 0提问于2018-05-29得票数 1
1回答
光学算法中的密度连通集
、、、、
我对光学算法感到困惑。一组点可以被认为是一个簇，如果它们是密度连接的。如果存在对象o，使得p和q都是密度可达的，则点p与点q是密度连接的。
在我的例子中(epsilon=5，minPts=2，L1-范数=曼哈顿距离)H是一个核心点，因为它在ε距离中有2个以上的点。H是从G到G的密度可达的，因为它们共享E。H和S也是如此，因为它们共享T。毕竟，E，T，S和G在H的epsilon范围内。在我看来，E，G，H，S，T在同一簇中。
如果我用sklearn.optics运行它，它会给出图片的结果，其中H是噪声点。
为什么E、G、H、S和T不在同一群集中？
from sklearn.cluste
浏览 20提问于2020-05-21得票数 0
回答已采纳
1回答
如下图所示，我有星团。
📷
数据为2d :误差和时间两个参数。我尝试使用以下聚类算法: 1) kmeans:集群是球形的。这个algo聚在一起如下：
📷
。克密斯确实根据需要形成了集群。2)dbscan:问题--我有不同密度的簇。它将每个数据点分配给有噪声的聚类，即给每个点分配一个-1的标签。3) GMM:这也没有按需要对数据点进行聚类。它执行类似于kmeans的聚类。4)亲和性传播是一种内存错误。
请有人建议一种为每个视觉上可分离的集群分配不同标签的方法。
浏览 0提问于2019-06-19得票数 0
我正在处理GPS数据(纬度、经度)。对于基于密度的集群，我在R中使用了DBSCAN。
DBSCAN在我的例子中的优势：
我不需要预定义集群的数量
我可以计算出一个距离矩阵(使用Haversine距离公式)，并将它作为dbscanlibrary(化石) dist<- earth.dist(df，dist=T) #df的输入。df是包含lat长值库的数据集<-dbscan(dist、MinPts=25、eps=0.43、method="dist")。
现在，当我看星系团时，它们是没有意义的。有些星系团有相距超过1公里的点。我想要密集的星系团，但不是那么大
浏览 1提问于2013-12-31得票数 6
回答已采纳
1回答
我对机器学习和python都是新手，我的目标是尝试通过聚类进行路由预测。
我刚刚开始使用，在输入到过程的坐标数组的情况下，我能够获得结果，例如[1,1,2,2,3,3，...]，它包括所有路线的所有坐标。
然而，我真正想要的是为DBSCAN提供一个包含所有路由/线的集合，而不是一个包含所有路由的所有坐标的集合。因此，我的问题是这是否可能(这有意义吗？)如果是这样，我如何才能做到这一点呢？
谢谢您抽时间见我。
浏览 1提问于2018-09-06得票数 0
2回答
我当时正在读，注意到这个过程是这样的：
利用训练后的网络将人脸转换为矢量
基于距离的中文耳语聚类算法
当试图对大量(>10,000)图像进行聚类时，中文耳语聚类可能需要相当长的时间。
在这篇文章中，作者使用另一种聚类算法DBSCAN按人对多幅图像进行分组。
由于神经网络生成的向量可以用来计算两面之间的相似性，那么，如果只计算一个，然后搜索所有满足置信阈值的值(例如，70%置信度x< 0.3 )，岂不是更好？
为什么要使用聚类算法，因为您只需比较每一张脸和每一张脸，就可以确定哪一张是同一个人？DBSCAN和中文耳语聚类都比计算距离矩阵花费的时间长得多。根据我的30,0
浏览 0提问于2019-04-02得票数 1
回答已采纳
1回答
在通过GUI在Weka中安装OPTICS_DBSCAN包之后，使用，我能够使用GUI运行算法。但是当使用命令行接口时，它会抛出一个错误，如下所示。
Error: Could not find or load main class weka.clusterers.DBSCAN
我已经从GUI本身复制了命令，并且不知道错误可能是什么。下面是命令。
java weka.clusterers.DBSCAN -E 0.9 -M 6 -A "weka.core.EuclideanDistance -R first-last" -t "ARFF_Files/Jain.arff"
浏览 3提问于2017-11-06得票数 1
回答已采纳
2回答
分布式系统中DBSCAN的实现
、、、、
我有一个大数据问题，我在并行处理和大数据方面的经验非常有限。我有数以千万计的行，包括纬度和经度数据以及几个ID。对于每一个ID，我可以有10000到1000万之间的数据。
为了解决一些业务需求，我正在实现基于密度的聚类算法(DBSCAN)。聚类算法对每个ID独立运行。
当前实现；
当前的实现基于Python代码，使用sklearn机器学习库，但对appx 5 000万个数据池执行(群集+其他业务逻辑)需要一天或更长时间。
我可以优化python代码并减少时间，但是我正在寻找一个更可行的解决方案。
可用性
我有一个星火集群，分布式交叉应用程序，20台机器，但是pyspark没有DBSCAN的实现
浏览 4提问于2017-09-20得票数 5
2回答
我正在使用TF-IDF和DBSCAN在数据库中对相似的人名进行聚类。该项目的目标是能够将属于同一人但不一定格式化或拼写相同的姓名聚在一起。例如，John Smith也可以在数据库中标记为J. Smith或Smith，John。理想情况下，模型应该能够将这些实例聚集在一起。 我正在处理的数据集有超过25万条记录。我知道DBSCAN会将噪声记录标记为-1。然而，该模型还产生了一个额外的集群，该集群中几乎总是有大约200K条记录，并且其中的绝大多数记录似乎都应该在自己的单独集群中。有没有可能发生这种情况的原因？我正在考虑在这个大型集群上运行另一个模型，看看会发生什么。 任何建议都将不胜感激。谢谢!
浏览 26提问于2021-07-13得票数 0
1回答
我正在研究R中的聚类问题，但我的需求与我在文献或语言中找到的任何东西都有很大的不同。
我的数据并不复杂:它基本上是包含纬度、经度和时间值的三列数据。下面是前几行：
myDF <- data.frame(latitude=c(34.11119,34.11148,34.11119,34.11119,34.11148)
,longitude=c(-84.34192,-84.34192,-84.34234,-84.34192,-84.34234)
,date_value=c(0.07820023,.08092014,.040
浏览 0提问于2018-10-11得票数 0
1回答
我在gensim，find text，sklearn上检查了无监督聚类，但没有找到任何文档，在这些文档中，我可以使用无监督学习对文本数据进行聚类，而不是提到要识别的聚类数量
例如，在sklearn KMneans集群中
km = KMeans(n_clusters=true_k, init='k-means++', max_iter=100)
我必须提供n_clusters。
在我的例子中，我有文本，它应该自动识别其中的聚类数量，并对文本进行聚类。任何参考文章或链接非常感谢。
浏览 0提问于2018-09-20得票数 0
所以我有我的数据，
X= [T1，T2.]其中Tn是第n用户的时间序列。
我希望使用DBSCAN方法对这些时间序列进行聚类，使用python中的scikit-learn库。当我试图直接拟合数据时，我得到所有对象的输出为-1，其中包括epsilon和min的各种值。
正确的程序是什么？
这是我的密码：
db = DBSCAN(eps=0.3,min_samples=10)
db.fit(X)
core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
core_samples_mask[db.core_sample_indices_] =
浏览 2提问于2016-03-27得票数 1
2回答
我有一个数据矩阵，如下所示。
user access matrix..each行代表用户，每一列代表该用户访问的页面类别。
0 8 1 0 0 8 0 0 0 0 0 0 0 11 2 2 0
1 0 7 0 0 0 0 0 1 1 0 0 0 0 0 0 1
1 0 1 1 0 0 0 0 0 1 0 0 0 1
浏览 2提问于2014-05-07得票数 0
2回答
我有一个巨大的“动态”数据集，我试图在其中找到有趣的集群。
在运行了许多不同的无监督聚类算法后，我发现了一个配置，并给出了一致的结果。
我想根据我的测试数据推断DBSCAN创建的模型，将其应用于其他数据集，但不需要重新运行算法。我无法在整个数据集上运行该算法，因为它将耗尽内存，而且由于数据是动态的，因此在不同的时间，该模型对我可能没有意义。
使用sklearn，我发现其他聚类算法--比如 --有一个predict方法，但是DBSCAN没有。
我理解对于MiniBatchKMeans，质心是唯一定义模型的。但是对于DBSCAN来说，这样的事情可能不存在。
因此，我的问题是:什么是正确的方法来推断
浏览 8提问于2015-04-14得票数 3
回答已采纳
我使用sklearn的接口来评估dbscan的结果，根据文档，F-measure是一种分类度量，但dbscan是一种聚类方法。我知道F-度量在理论上可以作为聚类的一种外部评估方法。那么，如何利用它来评估dbscan的结果呢？
浏览 3提问于2016-11-03得票数 0
在聚类方面，DBSCAN在处理任意形状数据集方面超过k均值.在大多数关于基于密度的聚类的论文中，实验是用具有特殊特征的合成数据集(例如月亮形数据集)进行的。有人能告诉我一些真实世界的数据集，其中DBSCAN的性能优于K-方法。
浏览 0提问于2016-02-02得票数 7
3回答
我正在学习非线性聚类算法，我偶然看到了这个二维图。我想知道哪种聚类算法和超参数组合可以很好地对数据进行聚类。
就像人类会聚集这5个尖峰一样。我希望我的算法能做到这一点。我尝试了KMeans，但它只是水平地或垂直地进行聚类。我开始使用GMM，但无法为所需的集群获得正确的超参数。
浏览 0提问于2019-05-31得票数 6
回答已采纳
1回答
事件聚类
、
我有一系列时间有序的点集:对于每个t=1...T，我都有一组点(x_{t,i},y_{t,i})。我需要在时空里把它们聚在一起。不过，我不知道集群的数量。你有什么建议？我的目标是了解这个事件是时间上的，比如说，t_1是否属于其他一些过去的集群，还是形成了一个新的集群。
浏览 0提问于2021-07-07得票数 0
1回答
我试图在这 .csv上运行DBSCAN算法。在我的程序的第一部分中，我加载它并绘制其中的数据以检查它的分布。这是代码的第一部分：
import csv
import sys
import os
from os.path import join
from sklearn.cluster import DBSCAN
import matplotlib.pyplot as plt
import numpy as np
def load_data(file_path, file_name):
with open(join(file_path, file_name)) as csv_file:
浏览 0提问于2020-11-18得票数 2
回答已采纳
1回答
我有一组多元(2D)高斯分布(用均值和方差表示)，并希望对这些分布进行聚类，以保持概率高斯信息(也许使用方差的重叠？)。
我对聚类方法做了一些研究，发现DBSCAN聚类比K均值更合适，因为我不知道我希望找到多少集群。然而，DBSCAN使用欧氏距离epsilon值来寻找簇，而不是使用每个分布的方差。我也研究过高斯混合模型方法，但是它们将一组点拟合成一组K高斯簇，而不是将簇拟合成一组高斯分布。
有没有人知道可能适合我的需求的其他集群方法？
谢谢!
浏览 2提问于2016-09-24得票数 1
回答已采纳
2回答
DBSCAN滑雪非常慢
、、、、
我正在尝试对一个数据集进行聚类，该数据集有100多万个数据点。一列有文本，另一列有对应的数值。我面临的问题是，它被卡住了，永远也不会完成。我试着使用大约100000个较小的数据集，它的工作速度相当快，但是当我开始增加数据点时，它就开始减速，并且有一百万的数据集从未完成和挂起。最初，我认为这可能是因为我有一个文本的tfidf矩阵，并且有100个维度，所以需要很长的时间。然后，我尝试了基于数量的聚类，这只是每个数据点的一个值，但它仍然没有完成。下面是代码片段。知道我做错了什么吗？我看到人们使用更大的数据集，没有问题。
Y=data['amount'].values
Y=Y.resh
浏览 0提问于2018-09-28得票数 3
我有一个数据集，它有数千行{纬度、经度、犯罪类型}元组。
样本数据：
41.757366519 -87.642992854 THEFT
41.910469677 -87.585822373 ROBBERY
41.751270452 -87.690708662 BURGLARY
41.757366519 -87.642992854 THEFT
41.757366519 -87.642992854 THEFT
.. .. ..
.. .. ..
我试图根据犯罪
浏览 0提问于2016-03-07得票数 2
1回答
我正在尝试使用sklearn.cluster.OPTICS对一个已经计算好的相似度(距离)矩阵进行聚类，其中填充了归一化余弦距离(0.0到1.0)。
但是，无论我在、max_eps、和eps中给出了什么，我都没有得到任何集群。
稍后，我将需要运行光学在一个超过129'000 x 129'000项目的相似矩阵，希望依赖达斯克，以保持较低的内存占用。
我正在为少量的单词(每个向量300维)提取快速文本向量，并使用dask-距离从向量中创建一个相似矩阵。
其结果是矩阵如下所示：
sim == [[0. 0.56742118 0.42776633 0.42344265
浏览 3提问于2019-09-10得票数 2
1回答
我正在使用模糊时间序列，并试图建立一个模型来预测台股时间序列。 时间序列图片：https://i.stack.imgur.com/04qkT.png 为了做到这一点，我想使用DBSCAN或光学将这个时间序列聚类到'n‘个簇中，这个数字将进一步用于构建模糊集。 Q1- DBSCAN或OPTICS是否真的适合对时间序列进行聚类？ Q2-我在使用DBSCAN时遇到了一个问题。即使改变参数(eps和min_samples)，序列中的大多数点也被识别为异常值(黑点)。可能会发生什么？ 我的代码： 'time_data is a numpy array containing the ti
浏览 50提问于2021-04-28得票数 0
2回答
我有超过40万辆车的GPS定位，比如：
[ 25.41452217, 37.94879532],
[ 25.33231735, 37.93455887],
[ 25.44327736, 37.96868896],
...
我需要用点之间的距离<= 3米进行空间聚类。
我试着使用DBSCAN，但它似乎不适用于geo(longitude, latitude)。
此外，我不知道集群的数量。
浏览 3提问于2016-04-24得票数 2
1回答
我是深入学习的初学者，我想用神经网络将基于文本的软件需求按主题(单词的相似性/频率)进行聚类。是否有没有监督的神经网络的示例/教程/github代码，根据主题和单词的相似性对文本进行分组？
非常感谢你的回答！
浏览 0提问于2019-04-09得票数 0
回答已采纳
1回答
我需要对较晚、较长坐标的数据集进行聚类。我使用python作为我的语言，并计划使用DBSCAN，因为我不想指定# of clusters。
目标和目的是能够输入较新、较长坐标的大型数据集，这些数据集具有许多附加的特征，并分配将返回的聚类组。原始数据库包含lat feature1，feature2 ...形式条目。需要修改一个名为“集群组”的新字段: lat long clustergroup feature1，feature2 .....这将帮助我识别哪些数据点被紧密地分组在一起，而不必在地图上绘制。我希望异常值将被赋予单独的组ID，而在很大程度上聚集在一起的点将被赋予相同的组ID。
我对DB
浏览 2提问于2014-03-16得票数 5
1回答
我尝试使用k-表示集群(使用SQLserver + R)，我想知道我们如何才能正确地估计距离。
例如，如果我们考虑欧几里得距离构成星系团的中心，如果对于相同的数据集，不同大小的簇会发生什么？大星系团中的“正常”点的距离要高于小星团中的“离群点”。
所以：
它与每个簇的中心/尺度欧氏距离相关吗？(然后将离群值视为具有最大标度距离的离群值)
还有其他的距离需要考虑吗？
浏览 0提问于2016-04-28得票数 2
回答已采纳
1回答
我有一个二维图上由大约100,000个点组成的数据。每个点都有X和Y坐标。我正在寻找一种算法，可以根据密度对这些点进行聚类，但我想指定聚类的数量。 我最初尝试了K-Means，因为这将允许我指定聚类的数量。然而，我的数据自然地“聚集”成脊状。K-Means将不可避免地将这些脊线一分为二。由于我的数据的形状，DBSCAN看起来更适合，但是使用DBSCAN我不能指定我想要的集群数量。 本质上，我试图寻找的是一种算法，该算法将基于密度将图最佳地聚类为N组。其中N由我提供。在这一点上，我并不关心它是在哪里实现的(R，Python，FORTRAN...)。 您能提供的任何方向都将不胜感激。
浏览 24提问于2020-09-16得票数 0
回答已采纳
2回答
📷
我想用Python对附图中的曲线进行聚类/分组。数据已经被规范化，我的方法是使用dtw (动态时间翘曲)来计算距离，并利用这种特性使用聚类算法(如kmeans或DBSCAN)对它们进行分类。
我是选择一个轨迹作为开始曲线来比较其他曲线，还是计算出所有曲线的“平均”曲线，并以此作为比较的起始曲线？
此外，我还不完全确定如何解释dtw距离。请看下面的代码：
from dtaidistance import dtw
import numpy as np
y=np.random.randint(0,10,10)
y1=y+2
dist=dtw.distance(y,y1)
这两条
浏览 0提问于2020-08-31得票数 1
1回答
在时间序列数据挖掘的背景下，我读过关于时间序列分割和时间序列聚类的文章，但是我无法区分两者。如果它们是不同的，这些方法如何相互关联？
根据我的理解(如果我错了，请纠正我)，分割被认为是聚类阶段的预处理步骤。我的意思是，分段步骤主要用于将时间序列数据划分为分段，例如，将其划分为状态。在此基础上，采用传统的聚类算法对这些片段进行聚类(相似段属于同一簇)。
例如，假设分段过程将给定的时间序列表示为以下部分：(S1、S2、S3、S4、S5、S6)。然后，在应用分割过程后，采用传统的聚类方法对提取的片段进行聚类。因此，我们可能会得到这样的结果:如果k= 3:那么K1 {S1，S5}，K2 {S3，S6}
浏览 0提问于2018-03-31得票数 4
回答已采纳
我已经运行了clv包，它由S_Dbw和SD有效性索引组成，用于在R commander中进行聚类。()
我用S_Dbw索引评估了DBSCAN，K-Means，Kohonen算法的聚类结果。但对于所有这三种算法，S_Dbw都是"Inf“。
它是“无限”的意思吗？为什么我要面对"Inf“这个词。我的聚类结果有什么问题吗？
一般情况下，什么时候S_Dbw索引结果是"Inf"？
浏览 0提问于2012-11-01得票数 2
回答已采纳
1回答
我使用两种类型的聚类算法，我采用分层聚类，K-均值聚类使用python库。
现在的结果有点不同，那么我如何比较结果和使用哪种算法呢？因为我想为一组未标记的数据写一个结论。
使用多个算法并在它们之间进行比较有什么好处？
浏览 0提问于2020-12-12得票数 0
回答已采纳
7回答
我有一组对象{obj1, obj2, obj3, ..., objn}。我计算了所有可能对的成对距离。距离存储在n*n矩阵M中，Mij是obji和objj之间的距离。然后自然地看到M是一个对称矩阵。
现在，我希望对这些对象执行无监督的聚类。经过一些搜索，我发现可能是一个很好的候选，因为它处理这样的配对距离的情况。
但是，在仔细阅读了它的描述之后，我发现它在我的例子中不合适，因为需要将集群的数量作为输入。在聚类之前，我不知道集群的数量。在执行聚类时，它必须由算法计算出来，比如DBSCAN。
考虑到这些，请给我一些适合我的情况的聚类方法，，在
成对距离都是可用的。
簇的数目是未知的。
浏览 1提问于2013-09-20得票数 10
回答已采纳
1回答
在网格上聚类矩形
、、
我正在尝试基于视觉接近度对网页内容进行聚类。您可以在下面的链接上看到块的可视显示
我尝试使用带有sckikit的DBSCAN集群-学习下面的功能，但不是很成功：-块的左X坐标(因为内容经常左对齐)-块的右X坐标(因为内容经常右对齐)-块的顶部Y坐标(进一步关闭块)
你有没有更好的功能
浏览 0提问于2013-09-05得票数 0
1回答
基于相似度的项目聚类
、、、、
我对整个集群和其他东西都很陌生，所以我有点迷失在编程的最后一步。在已经做了一些工作之后，已经获得了项目和Items_Comp之间的正确相似性。我有一个如下的示例数据集(该值属于Items列)： Items Items_Comp Similarity Item Value
A B 0.6 50
A C 0.0 50
A D 0.0 50
A E 0.2 50
B A 0.6 100
B C 0.2 100
B D 0.4 100
B E 0.4 100
C A 0.0 200
C B 0.2 200
C D 0.6 200
C
浏览 30提问于2021-10-08得票数 0
我在Matlab中有一组3d点，但问题是我的数据找到了。正如您所看到的，有一些异常值正在影响我的聚类结果。因此，如果有人能建议我如何从我的数据中删除这些异常值。
浏览 2提问于2014-05-06得票数 2
回答已采纳
2回答
我一直在研究使用sklearn聚类方法对红外光谱数据进行聚类。我遇到了让集群处理数据的问题，因为我是新手，我不知道是我的编码方式错了还是我的方法错了。 我的数据是Pandas DataFrame格式的，如下所示： Index Wavenumbers (cm-1) %Transmission_i ...
0 650 100 ...
. . . ...
. .
浏览 78提问于2020-11-06得票数 2
回答已采纳
1回答
基于情感的文本数据聚类？
、、、、
我从亚马逊上摘除评论，目的是进行情绪分析，将它们分为阳性、阴性和中性。现在我得到的数据将是文本和未标记的。
我处理这个问题的方法如下：
1.)使用聚类算法(如DBScan、HDBScan或KMeans )标记数据。集群的数目显然是3。
2.)对标记数据进行Classification算法的训练。
现在，我从未对文本数据执行过聚类，但我熟悉聚类的基本知识。所以我的问题是：
是我的方法对吗？
任何文章/博客/教程，我可以为基于文本的集群遵循，因为我对此有点陌生？
浏览 3提问于2021-12-25得票数 1
1回答
我生成了一个成对距离的数据集如下：
id_1 id_2 dist_12
id_2 id_3 dist_23
我想对这些数据进行聚类，以便识别模式。我一直在研究谱聚类和DBSCAN，但是对于如何利用这些算法的现有实现，我还没有得出结论，也不太清楚。到目前为止，我一直在研究Python和Java实现。
有人能告诉我如何使用这些聚类算法来处理当前的情况吗？
浏览 0提问于2014-07-08得票数 4
回答已采纳
1回答
如何在Word2Vec上执行聚类
、、、、
我有一个半结构化的数据集，每一行都属于一个用户：
id, skills
0,"java, python, sql"
1,"java, python, spark, html"
2, "business management, communication"
为什么半结构化是因为以下技能只能从580个独特的价值列表中选择。
我的目标是对用户进行聚类，或者根据相似的技能集找到相似的用户。我尝试使用Word2Vec模型，这给了我很好的结果，以识别相似的技能集-例如。
model.most_similar(["Data Science"])
浏览 0提问于2018-08-28得票数 9
假设我有类似的数据：
📷
我正在寻找一种能够执行聚类的方法或算法(例如，如图中所示)，该方法或算法可以自动确定簇的最佳数目，同时也考虑到离群值。
最好是在Python中对方法或相关实现/库/管道提出建议。
浏览 0提问于2021-04-30得票数 0
1回答
我一直在处理用于集群雷达数据的DBSCAN替代实现(比如基于网格的DBSCAN)。到目前为止，我一直在使用sklearn的标准欧几里得DBSCAN，它将在不到一秒钟的时间内在26000个数据点上运行。但是，当我指定自己的距离度量时，如下所示：
X = np.column_stack((beam, gate, time_index))
num_pts = X.shape[0]
epsilons = np.array([[beam_eps]*num_pts, [gate_eps] * num_pts, [time_eps] * num_pts]).T
metric = lambda x, y,
浏览 0提问于2018-07-05得票数 3
在运行scikit的dbscan算法时，我得到了内存错误。我的数据大约是20000*10000，它是一个二进制矩阵。
(可能不适合对这样的矩阵使用DBSCAN。我是机器学习的初学者。我只想找到一个不需要初始聚类编号的聚类方法)
无论如何，我找到了scikit的稀疏矩阵和特征提取。
但我仍然不知道如何使用它。在DBSCAN的规范中，没有关于使用稀疏矩阵的指示。这是不允许的吗？
如果有人知道如何在DBSCAN中使用稀疏矩阵，请告诉我。或者你可以告诉我一种更合适的聚类方法。
浏览 0提问于2013-04-19得票数 10
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
