Machine learning 用于分割和方差最小化的二维聚类
我有一个数据集，它有两个可比较的基本属性。我希望将数据点划分为4个簇，以便按属性1进行完整分割，同时最小化属性2内的方差 例如：如果在x轴上绘制属性1，在y轴上绘制属性2，则生成的簇应表示通过数据集的垂直切割，这些切割应水平调整大小，以最小化属性2中的差异 到目前为止，我提出的唯一方法是使用k-均值聚类和放大属性1，以便成为距离函数中的主导因素 对于合适的无监督学习/聚类算法，还有其他建议吗Machine learning 用于分割和方差最小化的二维聚类,machine-learning,cluster-analysis,data-mining,k-means,unsupervised-learning,Machine Learning,Cluster Analysis,Data Mining,K Means,Unsupervised Learning,我有一个数据集，它有两个可比较的基本属性。我希望将数据点划分为4个簇，以便按属性1进行完整分割，同时最小化属性2内的方差 例如：如果在x轴上绘制属性1，在y轴上绘制属性2，则生成的簇应表示通过数据集的垂直切割，这些切割应水平调整大小，以最小化属性2中的差异 到目前为止，我提出的唯一方法是使用k-均值聚类和放大属性1，以便成为距离函数中的主导因素 对于合适的无监督学习/聚类算法，还有其他建议吗