在不知道k的情况下，哪种聚类算法适用于一维列表？

我有一个像这样的一维列表

public class Zeit_und_Eigenschaft { [Feature] public double Sekunden { get; set; } } //... List lzue = new List(); //fill lzue 

lzue可以

 lzue.Sekunden 1 2 3 4 8 9 10 22 55 ... 

目标是在该列表中找到群集，即在此示例中可以形成像fi这样的群组的元素

 lzue.Sekunden 1 2 3 4 8 9 10 22 55 

哪种聚类算法是合适的（我不知道聚类数k）？ GMM？ PCA？ K均值？ 其他？

Answer 1

不要寻找聚类算法。

聚类是多变量数据的一个很好的术语，但您的数据是一维的，因此您应该查看更多旧的统计数据 。 例如自然rest优化。

或者只是核密度估计。 事实上，你已经在stackoverflow上找到了几十个相同的问题……

1D数组数组

最优地聚类一维数据？

将float数组划分为类似的段（聚类）

有效地将相似数字组合在一起

通过它们在python中的接近度来聚类值（机器学习？）

Answer 2

几个月前，MSDN杂志就这一主题发表了一篇很好的文章。 他们使用k-means算法。 链接：

http://msdn.microsoft.com/en-us/magazine/jj891054.aspx

另外，作为Andrew Ng在线机器学习课程的一部分，有一些关于k-means聚类的video。 链接：

https://class.coursera.org/ml-003/lecture/preview

当你不知道k时，有一些算法可以搜索一个好的值。 在网上搜索k-means + elbow。