Python 三维平面上的聚类点

假设立方体中有1000个随机数据点（如下图所示）。点在X和Y方向上的分布是均匀的，但在Z方向上不均匀。随着我们越深入，数据点越密集。python中是否有任何简单的方法来对这些数据点进行集群，以便：

• 每个集群大小相同
• 每个簇由局部点组成，即每个簇由相互靠近的点组成

我已经尝试了Scipy软件包中的K-means聚类，但没有给我一个好的结果，每个聚类的点都非常广泛，而不是集中

---

尝试使用Scikit Learn的实现。他们使用一种称为“K-Means++”的技术初始化集群，该技术根据概率选择第一种方法以获得最佳的初始分布。这会产生更高的好结果概率

---

尝试使用Scikit Learn的实现。他们使用一种称为“K-Means++”的技术初始化集群，该技术根据概率选择第一种方法以获得最佳的初始分布。这会产生更高的好结果概率

---

注意：K-means是随机初始化的，您是否试过多次运行它，看看第一次是否运气不好？但是，一般来说，如果您的数据一开始没有集群，那么任何算法都无法找到不存在的好集群。这似乎更像是一个装箱问题…@JulienBernu是的，我尝试过多次，使用不同的初始化和不同的迭代次数来收敛。群集必须具有相同大小的约束非常强。请看这篇帖子：@Anony mouse根据其他评论，也许更好的解释是我想将这个立方体分割成一个小立方体，这样每个小立方体中都有相同数量的数据点。然后你应该重新表述你的问题，并查看八叉树。注：K-means是随机初始化的，你有没有试过运行几次，看看第一次是否运气不好？但是，一般来说，如果您的数据一开始没有集群，那么任何算法都无法找到不存在的好集群。这似乎更像是一个装箱问题…@JulienBernu是的，我尝试过多次，使用不同的初始化和不同的迭代次数来收敛。群集必须具有相同大小的约束非常强。看看这篇帖子：@Anony mouse根据其余的评论，也许更好的解释是我想把这个立方体除以一个小立方体，这样每个小立方体中都有相同数量的数据点。然后你应该重新表述你的问题，看看八叉树。