1D数值列聚类[重复](1D Number Array Clustering [duplicate]

可能重复：
集群一维数据优化？

所以我们可以说我有一个这样的数组：

[1,1,2,3,10,11,13,67,71]

有没有到阵列划分为这样的一个方便的方法？

[[1,1,2,3],[10,11,13],[67,71]]

我通过类似的问题显得但大多数人使用K-均值聚类点，如建议SciPy的 ，这是相当混乱，使用像我这样的初学者。 此外，我认为K-手段更适合二维以上的集群吧？ 是否有分区取决于整数N的数字阵列许多分区/集群的任何方式？

有些人还建议刚性范围分区，但它并不总是呈现结果如预期

Answer 1:

不要使用多维集群算法一维问题。 单个维度是特别多，比你天真地认为，因为实际上你可以对它进行排序 ，这让事情变得更容易。

事实上，它通常不是甚至被称为集群，但如分段或自然断裂优化。

你可能想看看詹克斯自然中断的优化和类似的统计方法。 核密度估计也看，具有强大的统计背景的好方法。 密度局部极小的是将数据分割成群集的好地方，有统计的理由这样做。 KDE是也许对聚类1维数据的最声音的方法。

随着KDE，它再次成为明显的是一维的数据更表现良好。 在1D，你有局部极小; 但在2D你可能有鞍点，这种“可能”分裂分。 看到这一个鞍点的维基百科说明 ，如何这样的点可以或可能不适合用于分割的簇。

Answer 2:

你可能会寻找离散化算法。 1D离散问题类似于你问了很多。 他们决定切断点，根据频，分箱策略等。

WEKA在其，离散化过程中使用下面的算法。

weka.filters.supervised.attribute.Discretize

无论是使用法耶兹及伊拉尼的MDL方法或Kononeko的MDL准则

weka.filters.unsupervised.attribute.Discretize

使用简单的分级

文章来源: 1D Number Array Clustering [duplicate]