我想将一个一维数据集分割成两个片段，其中每个值代表一个错误：

• 包含最小值的聚类
• 其他所有值

示例：

X = np.array([1, 1.5, 0.4, 1.1, 23, 24, 22.5, 21, 20, 25, 40, 50, 50, 51, 52, 53]).reshape(-1, 1)

在这个小例子中，我希望将前四个值重新组合成一个聚类，而忽略其他值。我不希望基于阈值的解决方案。关键是感兴趣的聚类的中心点值不总是相同的。它可能是1e-6，也可能是1e-3，或者可能是1。

我的想法是使用k-means聚类算法，如果我知道数据中有多少个聚类，这将很好地工作。在上面的例子中，数量是3，一个大约在1（感兴趣的聚类），一个大约在22，一个大约在51。但遗憾的是，我不知道聚类的数量…简单地搜索两个聚类不会按预期分割数据集。

kmeans = KMeans(n_clusters=2, random_state=0).fit(X)kmeans.labels_

返回一个聚类1的方式太大，也包括了中心在22附近的聚类的数据。

array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0])

我确实找到了一些关于选择k的方法的有趣答案，但这使算法复杂化了，我觉得肯定有更好的方法来解决这个问题。

我对任何建议和示例持开放态度，这些建议和示例可以在提供的X数组上工作。

回答：

你可能会发现AffinityPropagation在这里很有用，因为它不需要指定要生成的聚类数量。然而，你可能需要调整damping factor和preference，以便产生预期的结果。

在提供的例子中，默认参数似乎可以完成任务：

from sklearn.cluster import AffinityPropagationX = np.array([1, 1.5, 0.4, 1.1, 23, 24, 22.5,               21, 20, 25, 40, 50, 50, 51, 52, 53]).reshape(-1, 1)ap = AffinityPropagation(random_state=12).fit(X)y = ap.predict(X)print(y)# array([0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2], dtype=int64)

要从X中获取单个聚类，你可以使用y进行索引：

first_cluster = X[y==0].ravel()first_cluster# array([1. , 1.5, 0.4, 1.1])second_cluster = X[y==1].ravel()second_cluster# array([23. , 24. , 22.5, 21. , 20. , 25. ])