我有大量对象，为此我计算了每对对象之间的 4% 差异。
例如： O1 和 O2 有区别：a12、b12、c12 和 d12，例如51、78、22、93。
我希望标记差异小于某个阈值的“关闭”对象。 （我还不知道这 4 项措施中的每一项有多“重要”。）
聚类分析是解决这个问题的合适方法吗？任何指向 Python 算法和初学者教程的指针都会非常有帮助。
【问题讨论】：
标签： python scipy cluster-analysis data-mining
这可能不是聚类分析问题。
基本区别是您是通过某些连通性标准（这不是聚类）对所有点进行分组，还是算法是否根据数据本身动态确定聚类的标准（这是聚类）？强>
典型聚类分析的定义问题是聚类定义仅基于数据。也就是说，算法在同一进程中创建集群和这些集群的定义。或者，换一种说法，当你开始聚类时，你给算法提供了数据，但你没有给它一个阈值。
由于您已经有了阈值，因此这不是通常所说的聚类。即使您有多个阈值可供选择，也只需将数据分组，因为您的阈值将指示并比较分组。
这里的警告正是您所说的“阈值”以及您希望如何应用它。如果您想找到建立连接点链小于某个阈值的所有点，则不是聚类。相反，如果您希望阈值定义点之间的非线性度量，则将应用正常的聚类算法（尽管使用非常不寻常的度量 - 所以这可能不是您想要的方法）。
另一个需要注意的是，“集群”人们可以表示不同的东西，我想我使用的是通常的数据分析定义，当然人们也以其他方式使用这个词。例如，参见scipy.cluster 中的算法。
至于采取什么方法，到目前为止，您还没有描述足够的细节来回答这个问题。例如，您想用它们的中位数替换最近的对吗？还是遵循连接的邻居链？等等。也许像 KDTree 这样的东西对你有用。
【讨论】：