我面临以下数组：
y = [1,2,4,7,9,5,4,7,9,56,57,54,60,200,297,275,243]
我想做的是提取得分最高的聚类。那就是
best_cluster = [200,297,275,243]
我已经检查了很多关于这个主题的stack问题，其中大多数都建议使用kmean。尽管其他一些人提到，对于1D阵列集群来说，kmean可能是一种过度使用。然而，kmeans是一种监督学习算法，因此这意味着我必须输入质心的数量。由于我需要将这个问题推广到其他数组，我无法传递每个数组的质心数。因此，我正在考虑实现某种无监督学习算法，该算法能够自己计算出聚类并选择最高的聚类。在数组y中，我会看到3个簇，如[1,2,4,7,9,5,4,7,9]，[56,7,54,60]，200297275243]。考虑到计算成本和准确性，什么算法最适合我的需求？我如何针对我的问题实现它？
尝试MeanShift。来自MeanShift:的sklean用户指南
算法自动设置簇的数量。。。
修改的演示代码：
import numpy as np
from sklearn.cluster import MeanShift, estimate_bandwidth
# #############################################################################
# Generate sample data
X = [1,2,4,7,9,5,4,7,9,56,57,54,60,200,297,275,243]
X = np.reshape(X, (-1, 1))
# #############################################################################
# Compute clustering with MeanShift
# The following bandwidth can be automatically detected using
# bandwidth = estimate_bandwidth(X, quantile=0.2, n_samples=100)
ms = MeanShift(bandwidth=None, bin_seeding=True)
ms.fit(X)
labels = ms.labels_
cluster_centers = ms.cluster_centers_
labels_unique = np.unique(labels)
n_clusters_ = len(labels_unique)
print("number of estimated clusters : %d" % n_clusters_)
print(labels)
输出：
number of estimated clusters : 2
[0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1]
请注意，MeanShift是，而不是可随样本数伸缩。建议的上限为10000。
BTW，正如rahlf23已经提到的，K-mean是一种无监督学习算法。您必须指定集群数量这一事实并不意味着它受到监督。
另请参阅：
聚类方法概述
选择正确的估计器
聚类在这里是过度的
只需计算后续元素的差异。即看x[i]-x[i-1]。
选择k最大差异作为分割点。或者定义何时拆分的阈值。例如20。取决于您的数据知识。
这是O(n(，比所有其他提到的都快得多。也很容易理解和预测。
对于一维有序数据，任何不使用该顺序的方法都会比必要的慢。
HDBSCAN是最好的聚类算法，您应该始终使用它。
基本上，你所需要做的就是提供一个合理的min_cluster_size，一个有效的距离metric，你就可以出发了。
对于min_cluster_size，我建议使用3，因为2的集群是蹩脚的，而对于metric，默认的euclidean工作得很好，所以你甚至不需要提及它
不要忘记，距离度量适用于向量，这里有标量所以需要进行一些丑陋的整形。
把所有这些放在一起，假设"得分最高的集群"，你指的是包括我们得到的最大值的集群：
from hdbscan import HDBSCAN
import numpy as np
y = [1,2,4,7,9,5,4,7,9,56,57,54,60,200,297,275,243]
y = np.reshape(y, (-1, 1))
clusterer = HDBSCAN(min_cluster_size=3)
cluster_labels = clusterer.fit_predict(y)
best_cluster = clusterer.exemplars_[cluster_labels[y.argmax()]].ravel()
print(best_cluster)
输出为[297 200 275 243]。原始订单不保留<这就是生活。>