哪種聚類算法適合一維列表而不知道k？

Question

我有這樣

public class Zeit_und_Eigenschaft 
{ 
    [Feature] 
    public double Sekunden { get; set; } 
} 

//... 
List<Zeit_und_Eigenschaft> lzue = new List<Zeit_und_Eigenschaft>(); 
//fill lzue 

lzue一個維列表可以

lzue.Sekunden 
1 
2 
3 
4 
8 
9 
10 
22 
55 
... 

目標是找到集羣在該列表中，即元素，可以形成像f.i.組在這個例子中

lzue.Sekunden 
1 
2 
3 
4 

8 
9 
10 

22 

55 

哪個聚類算法適合（我不知道聚類數k）？ GMM？ PCA？ K均值？其他？

Answer 1

幾個月前，MSDN雜誌就此主題發表了一篇很好的文章。他們使用了k-means算法。鏈接：

http://msdn.microsoft.com/en-us/magazine/jj891054.aspx

此外，還有一些視頻K-means聚類安德魯Ng的在線學習機類的一部分。鏈接：

https://class.coursera.org/ml-003/lecture/preview

當你不知道K，也有一些算法搜索一個很好的價值。做一個網絡搜索k-means +肘。

Answer 2

不尋找聚類算法。

羣集是多元數據的好詞彙，但你的數據是一維的，所以你應該看看老得多統計文獻。例如。自然休息優化。

或者只是核密度估計。事實上，你會發現同樣的問題數十這裏倍計算器已經 ...

1D Number Array Clustering

Cluster one-dimensional data optimally?

partitioning an float array into similar segments (clustering)

Efficiently grouping similar numbers together

Clustering values by their proximity in python (machine learning?)

Answer 3

1. 名稱：A.1D-C：一種新的快速自動啓發式處理大規模的一維聚類
2. http://wiki.objectvision.nl/index.php
3. 名稱：Ckmeans.1d.dp：最佳的k-means聚類在由動態一個維編程