Python 包含3-4个特征的用户定义数据聚类的meanshift算法

我想对由对象名称、x_坐标、y_坐标和相应温度组成的数据进行聚类。尝试均方聚类算法，根据位置和附近温度对附近对象进行聚类，即识别冷热区域。下面是代码和小样本数据。但默认情况下，它只提供单个集群设置，但无法显示图形。我想知道以下代码中可能有什么错误：

import numpy as np  
from mpl_toolkits.mplot3d import Axes3D  
import pandas as pd  
from sklearn.decomposition import PCA    
from sklearn.cluster import MeanShift, estimate_bandwidth  
import matplotlib.pyplot as plt  
from itertools import cycle  

data = pd.read_csv("data.csv")

centers = [[1, 1, 1], [0,0,0], [0,0,0]]  
X= data._get_numeric_data()  
bandwidth = estimate_bandwidth()  

ms = MeanShift()  
ms.fit(X)  
labels = ms.labels_  
cluster_centers = ms.cluster_centers_  

print labels  
print cluster_centers  

fig = plt.figure()  
ax = plt.axes(projection='3d')  
x = data['x_cordinate']  
y=data['y_cordinate']  
z=data['tpa']  
c=labels  
ax.scatter(x,y,z, c=c)  
plt.show()  

Data.csv：

名称，x_cordinate，y_cordinate，温度
CTRS351892006859000,0.3998434286
CTRS451733606812800,0.4779542857
CTRS556604406812800,0.7044195918
CSTR319354005929720,0
CSTRS419538805929720,0
CSTR54913202689120,0
CLTRS334362405884840,0.3998434286
CLTRS432963205884840,0.4779542857

---

CLTRS554268005725120，0.7044195918

估计带宽需要一个参数（您的数据）。这个代码运行吗

无论如何。。。当这种情况发生在我身上时，我为

estimate\u bandwidth

给出的

quantile

参数值小于默认值0.3（并将带宽估计值传递给MeanShift构造函数！）

---

你也可能事先知道一个好的带宽，如果你知道的话，最好使用它。

是的，我也尝试过使用默认值，并将值更改为0.5，它运行了大约20个小时，只给出了一个集群如何发布你实际使用的代码和数据？由于语法错误，上面的代码无法运行；由于estimate_bandwidth以500项为一批工作（您提供了9项），因此无法在修复语法错误的情况下运行；由于代码显示部分中的列名称错误，无法在直接向MeanShift构造函数（1.5e6）提供合理带宽后运行。我已经没有热情了，或者我要指出的是，您的数据比例很差（x和y与温度比例），无法直接用于meanshift或KMeans等距离方法。如果您提供电子邮件或云存储库id，或者通过任何其他方式，我可以共享，则查看数据文件太大，无法共享。关于kmeans，数据可以用n个聚类数进行聚类，但我也试图通过均值漂移、kmeans和基于密度的算法来找出聚类的确切差异