我想將每個(gè)值代表一個(gè)錯(cuò)誤的一維數(shù)據(jù)集分成 2 段：具有最小值的簇所有其他人例子：X = np.array([1, 1.5, 0.4, 1.1, 23, 24, 22.5, 21, 20, 25, 40, 50, 50, 51, 52, 53]).reshape(-1, 1)在這個(gè)小示例中，我想將集群中的前 4 個(gè)值重新分組，而忽略其他值。我不想要基于閾值的解決方案。關(guān)鍵是興趣簇質(zhì)心并不總是具有相同的值?？赡苁?e-6，也可能是1e-3，也可能是1。我的想法是使用 k 均值聚類算法，如果我確實(shí)知道數(shù)據(jù)中存在多少個(gè)聚類，該算法就會(huì)很好地工作。在上面的例子中，數(shù)字是 3，一個(gè)大約 1（感興趣的簇），一個(gè)大約 22，一個(gè)大約 51。但遺憾的是，我不知道簇的數(shù)量......簡(jiǎn)單地搜索 2 個(gè)簇是不會(huì)的導(dǎo)致數(shù)據(jù)集按預(yù)期分割。kmeans = KMeans(n_clusters=2, random_state=0).fit(X) kmeans.labels_返回一個(gè)太大的簇 1，其中還包括以 22 為中心的簇的數(shù)據(jù)。array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0])我確實(shí)找到了一些關(guān)于選擇 k 的方法的有趣答案，但它使算法變得復(fù)雜，我覺(jué)得必須有更好的方法來(lái)解決這個(gè)問(wèn)題。我愿意接受任何可以在X所提供的數(shù)組上工作的建議和示例。