Python HDBSCAN近似预测始终返回概率为0
我使用生成给定集群模型的预测数据。然后,我尝试使用Python HDBSCAN近似预测始终返回概率为0,python,scikit-learn,hdbscan,Python,Scikit Learn,Hdbscan,我使用生成给定集群模型的预测数据。然后,我尝试使用approximate\u predict函数对新点进行分类,以找到新点的正确簇。该模型返回新点的正确聚类,但概率/强度始终为0.0。要生成模型并对新点进行分类,我使用: #生成模型 聚类模型=hdbscan.hdbscan(metric='euclidean',最小聚类大小=3,聚类选择ε=0.4, 预测(数据=真)。拟合(数据) #分类新点 聚类,prob=hdbscan.近似预测(聚类模型,新点) 打印(群集,prob) 据我所知,如果强
approximate\u predict
函数对新点进行分类,以找到新点的正确簇。该模型返回新点的正确聚类,但概率/强度始终为0.0。要生成模型并对新点进行分类,我使用:
#生成模型
聚类模型=hdbscan.hdbscan(metric='euclidean',最小聚类大小=3,聚类选择ε=0.4,
预测(数据=真)。拟合(数据)
#分类新点
聚类,prob=hdbscan.近似预测(聚类模型,新点)
打印(群集,prob)
据我所知,如果强度/概率为0.0,则该点被归类为噪声。从对新点的手动分析中,我可以看出它们确实符合原始簇的核心,所以我不明白为什么概率总是0.0