如何将数字数组分为两个簇并返回两个对应索引的子集？

Question

我有一个标量数字数组pm和一个索引列表idx，因此pm[idx]是pm的子集。如何将pm[idx]分成两个簇（根据欧几里得距离）并获得两个相应的索引集（最好使用scikit-learn）？

例如，

pm = array([0,1,2,3,4,100,105])
idx = [0,2,3,5,6]

如何获得idx1 = [0,2,3]和idx2 = [5,6]？

Answer 1

基本上，您希望过滤数据pm，这可以使用idx数组轻松完成。您可以对过滤的数据进行聚类以获得两个组。

基于分区的聚类算法，例如k-Means或SingleLink可以完美地应用。在scikit-learn中，您可以使用/sklearn.cluster.AgglomerativeClustering。

由于那些聚类算法希望您的数据在列和实例中具有功能，因此您需要重塑数据。

然后从生成的群集标签中，可以使用列表推导来创建单独的索引数组。 （找不到执行相同操作的numpy函数）

您的解决方案可能如下所示：

cluster_algorithm = AgglomerativeClustering(n_clusters=2)
labels = cluster_algorithm.fit_predict(np.expand_dims(pm[idx], axis=-1))

print(labels)
>>> [1 1 1 0 0]

idx_labels = [np.where(labels == e)[0] for e in set(labels)]
idx_labels  # [array([3, 4], dtype=int64), array([0, 1, 2], dtype=int64)]