哪个聚类算法适用于一维解释不知道K· [英] Which clustering algorithm is suitable for one-dimensional Lists without knowing k?

问题描述

我有一个这样的一维列表

I have a one dimensional List like this

public class Zeit_und_Eigenschaft
{
    [Feature]
    public double Sekunden { get; set; }
}

//...
List<Zeit_und_Eigenschaft> lzue = new List<Zeit_und_Eigenschaft>();
//fill lzue

lzue可

lzue can be

lzue.Sekunden
1
2
3
4
8
9
10
22
55
...

目标是发现在该名单集群，即元素可以形成像科幻组在这个例子中

Goal is to find clusters in that list, ie elements that could form groups like f.i. in this example

lzue.Sekunden
1
2
3
4

8
9
10

22

55

哪个聚类算法是合适的（不知群集k的数目）？ GMM？ PCA？ K均值？其他的？

Which clustering algorithm is suitable(I don't know the number of clusters k)? GMM? PCA? Kmeans? Other?

推荐答案

不要找的集群的算法。

集群是的多元的数据的好词，但你的数据是一维的，所以你应该看看老得多的统计的文学作品。例如。自然间断优化。

Clustering is a good term for multivariate data, but your data is one-dimensional, so you should look at much older statistics literature. E.g. Natural Breaks optimization.

或只是核密度估计。事实上，你会发现同样的问题的几十的时代在这里已经计算器...

Or just kernel density estimation. In fact, you will find the very same question dozens of times here on stackoverflow already...

的1D数阵列集群

的Cluster一维数据最佳？

< A HREF =http://stackoverflow.com/questions/17479944/partitioning-an-float-array-into-similar-segments-clustering?lq=1>分区的浮动数组类似段（集群）

高效分组类似的数字加在一起

的其在Python接近聚类值（学习机？）

这篇关于哪个聚类算法适用于一维解释不知道K·的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！