Python 无监督高维聚类

我有一个记录数据集，其中每个记录有5个标签，每个标签的重要性不同

我知道标签是按重要性排序的，但不知道它们之间的区别，所以两个记录之间的区别是：a+b+b+c*c=1

数据集包含大约3000条记录，我想以某种方式对其进行集群（不知道集群的数量）

我考虑过DBSCAN，但它对高维数据不是很好

分层聚类需要知道聚类的数量，而且我认为它会影响你比较的第一条记录，所以在这种情况下，结果可能是错误的

还要寻找图聚类，以便两个记录之间的差异将是这两个节点之间的边的权重，但没有找到这样做的算法

编辑：

数据是CDR数据，表示用户在使用手机通话、短信和互联网时连接的天线，因此标签为：

location(longitude,latitude), part_of_day(night,morning-noon,after noon,evening), 
workday\weekend, ,day_of_week, num of days of connection to this antenna

我想对其进行聚类，以检测该用户的兴趣点，如健身房、商场等。。所以我想把它集中起来，在健身房和购物中心之间分开，尽管它们彼此很近，但这是一项不同的活动

---

有什么办法吗？

那么您的数据集有3000条记录，但有5列？在这种情况下，它不是高维的。也许您可以通过提供样本数据更精确地了解您的列，以及它们可以采用的值的类型？凝聚聚类不需要知道每个示例的聚类数，例如，scikit learn实现将此作为一个选项（但您可能可以检查基础图）。您还可以看看hdbscan，它的工作原理类似于dbscan，但应该可以扩展得更好。@user2653663我会检查一下。非常感谢。是否可以为每个维度分配权重？在这两种情况下，您都可以在训练/预测之前缩放输入特征。由于它们都使用距离度量，这应该具有相同的效果。那么您的数据集有3000条记录，但有5列？在这种情况下，它不是高维的。也许您可以通过提供样本数据更精确地了解您的列，以及它们可以采用的值的类型？凝聚聚类不需要知道每个示例的聚类数，例如，scikit learn实现将此作为一个选项（但您可能可以检查基础图）。您还可以看看hdbscan，它的工作原理类似于dbscan，但应该可以扩展得更好。@user2653663我会检查一下。非常感谢。是否可以为每个维度分配权重？在这两种情况下，您都可以在训练/预测之前缩放输入特征。因为它们都使用距离度量，所以这应该具有相同的效果。