聚类分析的适用性

Question

我有大量的对象，我计算出每对对象之间4%的差异。在

例如： O1和O2有差异：a12、b12、c12和d12，例如51、78、22、93。在

我希望标记“关闭”对象，它们之间的差异小于某个阈值。（我还不知道这4项措施有多重要。）

聚类分析是解决这个问题的合适方法吗？任何关于Python算法的指南和初学者的教程都会很有帮助。在

Answer 1

这可能不是一个聚类分析问题。在

最基本的区别是，您是按照某种连通性标准对所有点进行分组（这不是聚类），还是算法根据数据本身动态地确定聚类的标准（这是聚类）？

典型聚类分析的定义问题是，聚类定义仅基于数据。也就是说，算法在同一个进程中创建集群和这些集群的定义。或者，换句话说，当你开始聚类时，你给算法数据，但是你没有给它一个阈值。在

因为已经有了阈值，所以这并不是通常所说的集群。即使有多个阈值可供选择，也只需根据阈值的要求对数据进行分组，并对分组进行比较。在

这里的警告正是你所说的“门槛”的意思，以及你想如何应用它。如果你想找到所有建立一个小于某个阈值的连接点链的点，这不是聚类。相反，如果您希望阈值在点之间定义一个非线性度量，那么将应用常规的聚类算法（尽管使用非常不寻常的度量，因此这可能不是您想要的方法）。在

另一个需要注意的是，“集群”的含义可能不同，我认为我使用的是通常的数据分析定义，当然人们也会用其他方式使用这个词。例如，请参见scipy.cluster中的算法。在

---

至于采取什么方法，到目前为止你还没有描述足够的细节来回答这个问题。例如，是否要用中间值替换最近的对？或者跟随一条相连的邻居链？，等等。也许像aKDTree这样的东西对你很有用。在