具有大量集群的 KMeans

Question

我有一个相对较大的图，它有大约 6000 个顶点，我必须使用 KMeans 并查看 5467 个簇是什么。 我必须使用不同的度量标准，这就是我将 distance_matrix 作为输入的原因。 这样做的问题是，由于 n_clusters 太大，它不会收敛。 有人建议我进行自定义调整以使其正常工作，但我不确定这意味着什么。 这就是为什么我在这里发布这个问题。 欢迎任何帮助：谢谢！ 这是我的代码：

from sklearn.cluster import KMeans

distance_matrix = floyd_warshall_numpy(G)

cluster = KMeans(n_clusters=5467)

cluster.fit(distance_matrix)

graph_labels = cluster.labels_

Answer 1

我不建议使用 Kmeans 进行如此多的集群。 相反，请尝试使用具有欧几里德距离的凝聚聚类。 这将允许您找到一个截止点，您可以通过对点进行分组来获得预期的集群数量。

如果在 5 处关闭，则会给你 4 个集群，而在 2 处关闭它会给你更多。

虚拟代码 -

from sklearn.cluster import AgglomerativeClustering
import numpy as np
X = np.array([[1, 2], [1, 4], [1, 0],[4, 2], [4, 4], [4, 0]])
clustering = AgglomerativeClustering().fit(X)
clustering.labels_

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

您也可以使用预先计算的矩阵进行凝聚聚类

检查我共享的文档链接。