有人能告诉我这个算法的名称吗？如果它存在的话或者告诉我如何找到它？

Question

想法如下：

有一个巨大的2D数据集（250000个数据点）。 我需要在不破坏数据结构的情况下去掉90%的数据点。这意味着（我相信）要除掉最接近的。密度必须降低。。。你知道吗

考虑到我们需要保留结构-我们不能随意删除90%，因为这可能会导致偏见。这里面可能有一点随机因素，但不会太多。 我可以把数据放在二维矩阵中，然后分成单元格。一些单元格将有更多的数据点，一些单元格将有更少的数据点，而一些单元格将没有数据点。你知道吗

我需要的算法，将这些数据点或我的矩阵中的单元分组成段，所有这些段都将有相对接近的数据点数量。“新”矩阵中的那些片段或单元可以是不同的大小（我相信这就是这个算法的要点）。你知道吗

我画了一幅画。它不准确，但我希望它能使这个想法更清楚一点。你知道吗

我还用python编码：^）

谢谢你！！你知道吗

Answer 1

您正在搜索的算法是一种无监督学习方法，最著名的是python上的kmeans。你知道吗

您可以在这里找到文档：https://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html

以下是数组的代码示例：

from sklearn.cluster import KMeans
import numpy as np
X = np.array([[1, 2], [1, 4], [1, 0],
               [10, 2], [10, 4], [10, 0]])
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
kmeans.labels_

如果必须为数据帧（df）调整它，则如下所示：

from sklearn.cluster import KMeans
X = df[['column A',..., 'column D']]
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
kmeans.labels_

输出标签是您的集群。你知道吗