Python scikit学习光谱聚类的输入值是否为负值？

比如说，我有一个20列和10K行的df。由于数据的值范围很广，因此我使用以下代码来规范化数据：

from sklearn.preprocessing import StandardScaler
min_max_scaler = preprocessing.StandardScaler()
df_scaled = min_max_scaler.fit_transform(df)

df_scaled

现在包含负值和正值。 现在，如果我将这个标准化数据帧传递给光谱簇，如下所示

spectral = SpectralClustering(n_clusters = k, 
                                  n_init=30,
                                  affinity='nearest_neighbors', random_state=cluster_seed,
                                  assign_labels='kmeans')
 clusters =  spectral.fit_predict(df_scaled)

我去拿集群标签

这就是让我困惑的地方：报纸上说 “只应使用产生相似性分数（随相似性增加的非负值）的内核。群集算法不检查此属性。”

问题：

df_scaled

的标准化负值是否会影响聚类结果？ 或 它是否取决于我使用的亲和性计算，例如，

预计算的

，

rbf

？如果是，我如何使用规范化的输入值进行光谱聚类？ 我的理解是，规范化可以改善聚类结果，有利于更快的计算。 非常感谢您提供有关如何解决此问题的帮助或提示。

您传递的是数据矩阵，而不是预计算的关联矩阵

“最近邻”使用非负二进制内核

为了更好地理解内部工作原理，请查看源代码

您传递的是数据矩阵，而不是预计算的关联矩阵

“最近邻”使用非负二进制内核

为了更好地理解内部工作原理，请查看源代码