一个标称尺度的三维数据聚类

Question

问题陈述

我的2D熊猫数据存储了关于用户工具使用特性的数据(例如，系统A的使用率为88%，系统B的使用率为11%，相应用户的系统C使用率为1%：

        A      B       C
Usage  0,88   0,11   0,01

假设存在三个用户(ID: 1、2、3)，则存在以下矩阵：

ID:1    A      B       C     ID:2    A      B      C     ID:3    A      B    C
Usage  0,88   0,11   0,01    Usage  0,86   0,13   0,01   Usage  0,00  0,00  1,00

我考虑将单个2D矩阵聚合到一个3D矩阵中，以识别类似使用行为的簇。

目标

识别系统使用中的群集。在本例中，ID1和ID2应该是集群的。我构建了一个用于聚类随机2D数据的工作DBSCAN法。

然而，我面临的问题是，2D矩阵在聚合的3D矩阵中按固定的顺序堆叠。因此，不可能在只看一个固定的标称序列的情况下识别相似性，因为基本上每个用户的2D数据都必须与所有其他2D数据进行比较，才能找到笑脸的使用行为。

Thoughts

我想在机器学习中集成一种小数据集的k倍交叉验证方法。但是，我不知道如何将这样的行为集成到聚类算法中。

另一种思路是，也许模式识别或层次聚类(尽管总聚类数未知)是更好的方法，因为聚集的3D矩阵的第三轴是标称规模(用户ID)。然而，到目前为止，我在模式识别领域还没有经验。

也许有人有一个很好的方法来解决这个聚类问题。:)

Answer 1

该示例仅将labels_true用于计算，而不是作为DBSCAN本身的输入。labels_true来自创建模拟数据集的函数。调用dbscan的正确方法是db = DBSCAN(eps=0.3, min_samples=10).fit(X)，其中x在您的例子中是[[valueA, valueB, valueC], [valueA, valueB, valueC], ...]，结果在db.labels_中。