Python 基于pycluster的加权聚类

我已经设法采用了一段代码片段来介绍如何使用

PyCluster

的k-means聚类算法。我希望能够对数据点进行加权，但不幸的是，我只能对特征进行加权。我是否遗漏了什么，或者是否有一个技巧可以让我的一些分数比其他分数更重要

import numpy as np
import Pycluster as pc

points = np.asarray([
    [1.0, 20, 30, 50],
    [1.2, 15, 34, 50],
    [1.6, 13, 20, 55],
    [0.1, 16, 40, 26],
    [0.3, 26, 30, 23],
    [1.4, 20, 28, 20],
])

# would like to specify 6 weights for each of the elements in `points`
weights = np.asarray([1.0, 1.0, 1.0, 1.0])

clusterid, error, nfound = pc.kcluster(
    points, nclusters=2, transpose=0, npass=10, method='a', dist='e', weight=weights
)
centroids, _ = pc.clustercentroids(points, clusterid=clusterid)
print centroids

---

对单个数据点进行加权不是KMeans算法的特征。这在算法定义中：在pycluster、MLlib或TrustedAnalytics中不可用

但是，可以添加重复的数据点。例如，如果希望第二个数据点的计数加倍，请将列表改为：

points = np.asarray([
    [1.0, 20, 30, 50],
    [1.2, 15, 34, 50],
    [1.2, 15, 34, 50],
    [1.6, 13, 20, 55],
    [0.1, 16, 40, 26],
    [0.3, 26, 30, 23],
    [1.4, 20, 28, 20],
])

---

现在，您可以在sklearn的拟合方法中使用样本权重。这是一个。

我不完全确定我是如何解决这个问题的（已经有一段时间了），但我认为我将权重乘以到质心的距离，效果很好。你是在尝试使用该算法，还是在编写自己的实现？如果你在编写自己的，那么它就相当简单，正如您所说：为点添加一列权重。在每次迭代中，将其乘以到中心的距离，与平方根运算相比，这是一个相对较小的时间加法。关于这一点，您还有疑问吗？您是否有任何建议，如何确定/计算分配给每个特征的最佳样本权重？