Parameters 无输入参数的数据聚类

这更像是一个理论问题：

您是否知道任何不需要任何输入参数的聚类算法（平面或层次），如聚类数量或邻域大小等？换句话说，您只需将数据作为输入提供给算法，并将集群作为输出

---

如果能在相关论文/文档中得到建议，我会很高兴。

通常，一旦你定义了集群的含义，答案就会显现出来。这是最难的部分

对于实值数据，我喜欢使用带有自动h选择的均值漂移。聚类对应于数据密度图中的模式，分组结果类似于分水岭变换

---

在仍然被认为是开放的研究问题中，自动确定集群的数量确实是一个难题

最先进的聚类技术之一是将数据建模为Dirichlet过程，但这并不简单，而且需要贝叶斯方法和马尔可夫链蒙特卡罗（MCMC）估计的坚实背景

---

这种方法可以自动估计簇的数量。

这不是完全无参数的，因为您必须在Dirichlet过程中设置浓度参数，但您可以合理地论证，相对于簇的数量，这并不重要。不过，您确实需要担心指定似然函数，如果您不具备统计学思维，这可能是非常重要的。您是对的，很难考虑绝对无参数技术，或者在这种情况下，浓度参数可以被视为超参数。