python中的最小生成树聚类

我有一个数组（X），包含10个用户的分数值和他们的分数。我使用最小生成树聚类（MST）根据用户的值对其进行聚类。 MST没有对数据进行群集，而是返回0个群集

以下代码：

import warnings
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn_extra.cluster import KMedoids
from tabulate import tabulate
from termcolor import colored, cprint 
from prettytable import PrettyTable
from mst_clustering import MSTClustering
%matplotlib inline
warnings.filterwarnings('ignore')

X = np.array([0.85142858,0.85566274,0.85364912,0.81536489,0.84929932,0.85042336,0.84899714,
         0.82019115, 0.86112067,0.8312496 ])
X=X.reshape(-1, 1)

MST = MSTClustering(cutoff_scale=2, approximate=False)
labels = MST.fit_predict(X)

dfMST= pd.DataFrame(zip(labels,X))
dfMST = dfMST.rename({0: 'cluster', 1: 'values'}, axis=1)
dfMST['user'] = dfMST.index
dfMST = dfMST[['cluster', 'user',  'values']]
print ('clustering the data using MST')
print(tabulate(dfMST, headers='keys', tablefmt='psql')) 

产生的结果如下：

clustering the data using MST
+----+-----------+--------+----------+
|    |   cluster |   user |   values |
|----+-----------+--------+----------|
|  0 |         0 |      0 | 0.851429 |
|  1 |         0 |      1 | 0.855663 |
|  2 |         0 |      2 | 0.853649 |
|  3 |         0 |      3 | 0.815365 |
|  4 |         0 |      4 | 0.849299 |
|  5 |         0 |      5 | 0.850423 |
|  6 |         0 |      6 | 0.848997 |
|  7 |         0 |      7 | 0.820191 |
|  8 |         0 |      8 | 0.861121 |
|  9 |         0 |      9 | 0.83125  |
+----+-----------+--------+----------+

如何通过MST以正确的方式对用户进行集群？

---

我应该指定其他截止尺度参数吗？

MSTClustering

使用递归相交的两个接近图生成一个聚类解决方案，该聚类解决方案具有自动

k

确定

另一方面，

KMedoids

最小化标记为在簇中的点与指定为簇中心的点之间的距离，其中手动指定要形成的簇的数量以及要生成的medoid的数量

因此，您不应该期望得到相同数量的簇（即，两种方法的解决方案相同），在第一种情况下，您手动将簇的数量指定为5，因此，您得到了5个簇，在第二种情况下，您让算法找到了最佳簇数，发现所有用户都属于同一个集群（尤其是数据集非常小的集群）。因此，你得到的是一个非常有效的结果

---

如果你真的相信（并且有证据）用户应该被划分为5个集群，那么直觉上，你应该使用第一个算法

KMedoids

谢谢你的回答，我想使用MST集群生成一个具有自动k确定的集群解决方案。一个数组（X）只是一个例子，我有两个不同的大数据集，首先我发现这些数据集的最佳聚类数是肘部和轮廓索引方法的5个，但当应用MST聚类时，我得到了零个聚类！！！！对于这两个数据集！！！！因此，我没有集群！！！！！！！！！