哪一种clusetring机器学习算法最适合聚类一维数值特征(标量值)? 它是桦木,光谱聚类,k-means,DBSCAN ...还是别的?哪种聚类算法最适合聚类一维特征?
-2
A
回答
2
所有这些方法对于多元数据都更好。除了历史上用于一维数据的k-means以外,它们全都是,设计时考虑了多变量问题,并且它们都没有针对1维数据的特定情况进行优化。
对于一维数据,使用核密度估计。 KDE在1d中是一项很好的技术,拥有强大的统计支持,并且很难用于多维集群。
0
看看K-means clustering algorithm。该算法非常适合聚类一维特征向量。但是,如果训练数据集中存在异常值,那么K表示聚类算法效果不佳,在这种情况下,您可以使用一些先进的机器学习算法。
我建议在为您的数据集和问题陈述实施机器学习算法(分类,聚类等)之前,您可以使用Weka Toolkit来检查哪种算法最适合您的问题陈述。 Weka工具包是大量机器学习和数据挖掘算法的集合,可以针对特定问题轻松实现。一旦确定哪种算法最适合您的问题,您可以修改或编写自己的算法实现。通过调整它,你甚至可以达到更高的准确性。您可以从这里获得download weka。
相关问题
- 1. 哪种聚类方法适合哪种数据?
- 2. 如何实现MFCC特征的K均值聚类算法?
- 3. Tableau在一个维度聚合几个条目(聚类)
- 4. 哪种哈希算法最适合HMAC
- 5. Leader聚类算法解释
- 6. 自定义聚类算法
- 7. 映射的聚类算法
- 8. 随机聚类算法
- 9. Python聚类聚类:查找聚类中最近的点
- 10. 我应该使用哪种算法来根据集合对词进行聚类
- 11. 在一维数据上使用什么聚类算法?
- 12. 新闻聚合器的种类
- 13. 用于分类和聚类的特征之间的关系
- 14. 具有Levenshtein距离和附加特征/变量的聚类算法
- 15. 多维层次聚类 - python
- 16. 不同维度的聚类
- 17. 需要一个更适合我的聚类算法的应用程序
- 18. 降维聚类在R(PCA等方法)
- 19. 哪种语言最适合此编辑器和选定聚合器项目?
- 20. 如何将两种(或多种)特征合并为一种最终特征来构建分类模型?
- 21. 如何从sklearn谱聚类中获得特征值和特征向量?
- 22. 聚类算法的性能分析
- 23. 马尔可夫聚类算法
- 24. 如何评价我的聚类算法
- 25. 用于聚类算法的数据集
- 26. 聚类算法和Hausdorff距离
- 27. 连锁算法后聚类数据
- 28. 聚类视觉可分簇的算法
- 29. 固定宽度聚类算法
- 30. 向WEKA添加CURE聚类算法