数据集中的组检测

有许多选择,但是如果您对新数据点属于特定混合的概率感兴趣,我将使用概率方法,例如高斯混合建模,或者使用最大似然估计,或者使用贝叶斯估计。

最大似然估计 mixtures models is implemented in Matlab .

您对组件数量未知的要求使您的模型更加复杂。主要的概率方法是将迪里克莱过程先于混合分布,然后用贝叶斯方法进行估计。例如,请参见 this paper on infinite Gaussian mixture models . dp混合模型将为您提供关于组件数量和每个元素所属组件的推断,这正是您想要的。或者,您可以对组件的数量执行模型选择,但这通常不那么优雅。

dp混合模型的实现有很多种,但可能不太方便。例如,这里有一个 Matlab implementation .

你的图表表明你是一个R用户。在这种情况下,如果您正在寻找预先打包的解决方案,那么问题的答案就在于此 Task View for cluster analysis .

我想你在找一个符合 k-means clustering algorithm .

您应该能够在大多数通用语言中找到适当的实现。

您需要一种聚类算法。它们可以分为两组:

1. 您可以在示例中指定组(集群)的数量-2个集群
2. 算法试图自己猜测正确的簇数。

如果你想要第一类的算法,那么k-均值就是你真正需要的。

如果您想要第二种类型的算法,那么您可能需要一种层次聚类算法。我从来没有实现过它们中的任何一个。但是我看到了一个简单的方法来改进k均值,这样就不需要指定集群的数量。