低维快速密度聚类
fdc的Python项目详细描述
快速密度聚类（FDC）
使用内核密度图和密度图对低维数据进行聚类的python包。文中给出了高斯混合和一些基准的例子。我们的算法解决了多尺度问题（多个方差/密度和种群大小），适用于非凸聚类。它使用交叉验证，并由两个主要的全局参数进行正则化：邻域 尺寸和噪声阈值测量。后者检测虚假的簇中心，前者保证仅使用本地信息推断簇中心。
底层代码基于用于最近邻搜索的快速kd树。对于低维空间，算法有一个o（n logn），其中n是数据集的大小。也有O（n）的内存复杂性。
安装
我建议您使用python 3环境中的pip安装代码。从那个环境：
pip install fdc
就这样！现在可以从python脚本导入包fdc。看看例子
在文件example中查看是否可以运行提供的脚本。
示例和与其他方法的比较
查看高斯混合的示例（example.py）。你应该可以直接运行它。它
应该生成类似于此的绘图：
在另一个示例（example2.py）中，算法是根据一些sklearn数据集进行基准测试的（注意，所有数据集都使用相同的参数）。这要与其他容易从sklearn获得的聚类方法进行比较。
引文
如果您在科学出版物中使用此代码，我将非常感谢引用/引用此存储库。另外，为了进一步了解集群 以及机器学习查看我们的机器学习评论：
@article{mehta2018high,
title={A high-bias, low-variance introduction to Machine Learning for physicists},
author={Mehta, Pankaj and Bukov, Marin and Wang, Ching-Hao and Day, Alexandre GR and Richardson, Clint and Fisher, Charles K and Schwab, David J},
journal={arXiv preprint arXiv:1803.08823},
year={2018}
}
欢迎加入QQ群-->： 979659372
