按圆心和半径对圆的数据进行聚类

如何解决按圆心和半径对圆的数据进行聚类

我有一个圆心（x，y）和半径（r）的数据集。需要将位置靠近的圆圈聚类。然后我有一个点需要找到最近的集群。

index x   y  r
0     0   0  3
1     1   2  2
2     9   5  1
3     10  6  1
4     100 8 20

例如，通过索引，簇将是 (0,1),(2,3),(4)。我认为这部分应该由聚类算法开发，但不知道是哪种算法。下一步 - 找到最近的集群，考虑时间复杂度，找到它的最佳方法是什么？

解决方法

您可以使用 K-Means 聚类，这是一种无监督的技术。 K 是这里的超参数，它表示您想要在数据中找到的集群数量，因此您需要在将模型拟合到您的数据之前设置 K 的值（如您所知）您不确定那里可能有多少个集群，那么您需要设置不同的 K 值，看看哪种最适合您）。对于您关于时间复杂度的问题，在 ML 中，我们几乎不考虑时间复杂度（并非严格意义上的真实），因为我们经常希望权衡时间以获得更好的最小化损失的准确性。

K 均值的工作原理：

关于它的最佳部分是您可以非常轻松地尝试这种方法，并使用 Scikit Learn 库查看它的执行情况，这非常简单，因为您无需编写太多代码。 你可以在这里浏览文档 - sklearn.cluster.KMeans