scikitでカーネル密度推定を1Dクラスタリング方法としてどのように使うのでしょうか？

Question

私は単純な単変量データセットを予め設定された数のクラスタにクラスタリングする必要があります。技術的にはデータが1Dなのでビニングやソートに近づくでしょうが、私の上司はそれをクラスタリングと呼んでいますので、その名前に固執します。 私が使用しているシステムで使用されている現在の方法はK平均ですが、それは過度のようです。

このタスクを実行するより良い方法はありますか？

KDE（Kernel Density Estimation）について言及していますが、それは密度推定方法です。どのように機能しますか？

KDEがどのように密度を返すかを見ていますが、データをビンに分割する方法を教えてください。

私の要件の1つであるデータとは独立した固定数のビンを持つにはどうすればよいですか？

具体的には、scikitを使ってこれをどのように取り除きますか？

私の入力ファイルは次のようになります。私は、このようなことを、クラスタまたはビンにSLS番号グループにしたい

str ID  sls 
1   10 
2   11 
3   9 
4   23 
5   21 
6   11 
7   45 
8   20 
9   11 
10   12 

：

Cluster 1: [10 11 9 11 11 12] 
Cluster 2: [23 21 20] 
Cluster 3: [45] 

そして、私の出力ファイルは、次のようになります。

str ID  sls Cluster ID Cluster centroid 
    1  10  1    10.66 
    2  11  1    10.66 
    3   9  1    10.66 
    4  23  2    21.33 
    5  21  2    21.33 
    6  11  1    10.66 
    7  45  3    45 
    8  20  2    21.33 
    9  11  1    10.66 
    10  12  1    10.66 

Answer 1

自分でコードを書いてください。それはあなたの問題に一番合っています！

定型文：ネットからダウンロードしたコードは、正しいか最適かを決して想定しないでください。使用する前に十分に理解してください。

%matplotlib inline 

from numpy import array, linspace 
from sklearn.neighbors.kde import KernelDensity 
from matplotlib.pyplot import plot 

a = array([10,11,9,23,21,11,45,20,11,12]).reshape(-1, 1) 
kde = KernelDensity(kernel='gaussian', bandwidth=3).fit(a) 
s = linspace(0,50) 
e = kde.score_samples(s.reshape(-1,1)) 
plot(s, e) 

from scipy.signal import argrelextrema 
mi, ma = argrelextrema(e, np.less)[0], argrelextrema(e, np.greater)[0] 
print "Minima:", s[mi] 
print "Maxima:", s[ma] 
> Minima: [ 17.34693878 33.67346939] 
> Maxima: [ 10.20408163 21.42857143 44.89795918] 

print a[a < mi[0]], a[(a >= mi[0]) * (a <= mi[1])], a[a >= mi[1]] 
> [10 11 9 11 11 12] [23 21 20] [45] 

、視覚的にしているあなたのクラスタは、それゆえ、我々は、この分割をした：

plot(s[:mi[0]+1], e[:mi[0]+1], 'r', 
    s[mi[0]:mi[1]+1], e[mi[0]:mi[1]+1], 'g', 
    s[mi[1]:], e[mi[1]:], 'b', 
    s[ma], e[ma], 'go', 
    s[mi], e[mi], 'ro') 

赤いマーカーでカットします。緑のマーカは、クラスタセンターのための最良の推定値です。