python - 为核密度估计选择带宽和空间。（为什么我的带宽不起作用？）

Question

我已经按照这个链接来应用核密度估计。我的目标是为一个数组组创建两个不同的组/集群或更多。以下代码适用于除此数组之外的数组组的每个成员：

X = np.array([[77788], [77793],[77798], [77803], [92886], [92891], [92896], [92901]])

所以我的期望是看到两个不同的集群，例如：

first_group = ([[77788], [77793],[77798], [77803]])

second_group = ([[92886], [92891], [92896], [92901]])

我有一个动态列表，所以我无法修复 linspace 的值。因为这个数组可能是 0 到 10 或 100000 到 2000000。这就是为什么我将数组的最大和最小点放在 linspace 中。

毕竟，即使尝试了各种带宽，我也无法获得不同的集群。我的代码如下所示：

a = X.reshape(-1,1)
kde = KernelDensity(kernel='gaussian', bandwidth=8).fit(a)
s = linspace(min(a),max(a))
e = kde.score_samples(s.reshape(-1,1))
plot(s, e)

mi, ma = argrelextrema(e, np.less)[0], argrelextrema(e, np.greater)[0]
print("Minima:", s[mi])  # output: []
print("Maxima:", s[ma])  # output: []

s[mi] 和 s[ma] 值为空，这意味着该数组没有两个不同的簇。在可视化中可以看出我们至少有一个最小点。为什么看不到 s[mi] 输出的这个值？

我对不同的带宽应用了相同的代码，如下所示，但是，这个集群没有最小值或最大值。所以知道我做错了什么吗？

bandwidth=0.008

bandwidth = 0.00002

标签： pythonmachine-learningscikit-learncluster-analysiskernel-density

Answer 1

您可以考虑尝试网格搜索：

params = {'bandwidth': np.logspace(-1, 1, 20)}
grid   = GridSearchCV(KernelDensity(), params)
grid.fit(a)

print("best bandwidth: {0}".format(grid.best_estimator_.bandwidth))

kde = grid.best_estimator_