python - 根据空间接近度对几何点进行分组

Question

我在 3D 空间中有以下几点:

我需要根据 D_max 和 d_max 对点进行分组:

D_max = max dimension of each group
d_max = max distance of points inside each group

像这样:

上图中组的形状看起来像一个盒子，但形状可以是分组算法输出的任何形状。

---

我正在使用 Python 并使用 Blender 可视化结果。我正在考虑使用 scipy.spatial.KDTree并调用它的 query API，但是，我不确定这是否是手头工作的正确工具。我担心可能有一个我不知道的更好的工具。我很想知道是否有任何其他工具/库/算法可以帮助我。

---

正如@CoMartel 指出的那样，有 DBSCAN还有HDBSCAN clustering看起来很适合此类问题的模块。但是，正如@Paul 指出的那样，他们缺少与我的 D_max 参数相关的集群最大大小的选项。我不确定如何向 DBSCAN 和 HDBSCAN 集群添加最大集群大小功能。

---

感谢@Anony-Mousse 我看了Agglomerative Clustering: how it works和 Hierarchical Clustering 3: single-link vs. complete-link我正在学习Comparing Python Clustering Algorithms ，我觉得这些算法是如何工作的越来越清楚了。

Answer 1

应要求，我的评论作为答案:

您可以使用 DBSCAN( http://scikit-learn.org/stable/modules/generated/sklearn.cluster.DBSCAN.html ) 或 HDBSCAN。

这两种算法都允许根据 d_max(同一数据集的两点之间的最大距离)对每个点进行分组，但它们不采用最大簇大小。限制集群最大大小的唯一方法是减少 eps 参数，该参数控制同一集群的 2 点之间的最大距离。