将float数组划分为类似的段（聚类）
我有一个像这样的浮点数组：
[1.91, 2.87, 3.61, 10.91, 11.91, 12.82, 100.73, 100.71, 101.89, 200] 现在，我想像这样分区数组：
[[1.91, 2.87, 3.61] , [10.91, 11.91, 12.82] , [100.73, 100.71, 101.89] , [200]]
// [200]将被视为exception值，因为群集支持较少
我必须为几个数组找到这种段，我不知道分区大小应该是多少。 我试图通过使用层次聚类（Agglomerative）来做到这一点，它给我带来满意的结果。 然而，问题是，我被建议不要将聚类算法用于一维问题，因为它们没有理论上的理由（因为它们用于多维数据）。
我花了很多时间来寻找解决方案。 但是，建议看起来很不一样： 这个和这个 VS. 这和这个和这个 。
我发现了另一个建议，而不是聚类，即自然中断优化 。 但是，这也需要声明分区号，如K-means（右？）。
这很混乱（特别是因为我必须在几个arrays上执行这种分段，并且不可能知道最佳分区号）。
有什么方法可以找到分区（因此我们可以减少分区内的差异并最大化分区之间的差异），并提供一些理论上的理由吗？
任何指向文章/论文的指针（如果有可用的C / C ++ / Java实现）都有一些理论上的理由对我很有用。
我想我会对数据进行排序（如果还没有），那么请考虑相邻的差异。 将差异除以数字中较小的数字，即获得百分比变化之间的差异。 设置阈值，当更改超过该阈值时，启动新的“群集”。
编辑：C ++中的快速演示代码：
#include #include #include #include #include #include int main() { std::vector data{ 1.91, 2.87, 3.61, 10.91, 11.91, 12.82, 100.73, 100.71, 101.89, 200 }; // sort the input data std::sort(data.begin(), data.end()); // find the difference between each number and its predecessor std::vector diffs; std::adjacent_difference(data.begin(), data.end(), std::back_inserter(diffs)); // convert differences to percentage changes std::transform(diffs.begin(), diffs.end(), data.begin(), diffs.begin(), std::divides ()); // print out the results for (int i = 0; i < data.size(); i++) { // if a difference exceeds 40%, start a new group: if (diffs[i] > 0.4) std::cout << "\n"; // print out an item: std::cout << data[i] << "\t"; } return 0; }
结果：
1.91 2.87 3.61 10.91 11.91 12.82 100.71 100.73 101.89 200
聚类通常假设多维数据。
如果您有一维数据，对其进行排序 ，然后使用核密度估计，或者只扫描最大间隙。
在一维中，问题变得非常容易，因为数据可以被分类。 如果您使用聚类算法，遗憾的是不会利用它，因此请使用1维方法！
考虑找到1维数据中的最大差距。 它是微不足道的：排序（n log n，但在实践中尽可能快），然后查看两个相邻的值以获得最大的差异。
现在尝试在2维中定义“最大间隙”，并找到一种有效的算法来定位它…