C# 哪种聚类算法适用于不知道k的一维列表？

我有一个这样的一维列表

public class Zeit_und_Eigenschaft
{
    [Feature]
    public double Sekunden { get; set; }
}

//...
List<Zeit_und_Eigenschaft> lzue = new List<Zeit_und_Eigenschaft>();
//fill lzue

目标是在该列表中找到集群，即在本例中可以形成类似f.i.的组的元素

lzue.Sekunden
1
2
3
4

8
9
10

22

55

---

哪种聚类算法合适（我不知道聚类的数目k）？GMM？PCA？Kmeans？其他？

几个月前，MSDN杂志上有一篇关于这个话题的好文章。他们使用了k-means算法。链接：

此外，作为Andrew Ng在线机器学习课程的一部分，还有一些关于k-means聚类的视频。链接：

当您不知道k时，有一些算法可以搜索一个好的值。在web上搜索k-means+肘部。

不要寻找聚类算法

聚类是多变量数据的一个很好的术语，但您的数据是一维的，所以您应该查看更古老的统计文献。例如，自然断裂优化

或者仅仅是核密度估计。事实上，你会在stackoverflow上多次发现同样的问题

可能存在的副本

lzue.Sekunden
1
2
3
4

8
9
10

22

55