Кластерные значения LAT/LON на основе значений ⇐ Python

[Anonymous]

Я пытаюсь снять значения с карты в Python (эти значения могут быть доходы, доброта по отношению к собакам или количество пингвинов в супермаркетах, для меня значения - это поплавки) из разных источников данных. У меня есть 14 таких источников, и я пытаюсь найти кластеры, в которых источники данных соглашаются наиболее. Эта кластеризация приведет к N областям, где n будет переменной (из 1 области, то есть весь глобус до n = 648000 сетки - количество точек данных на моих картах). < /P>
Я думаю, что какой -то неконтролируемый метод обучения лучше всего подходит для этой задачи. Я пытался найти это, например, KNN или KMEANS Clustering. Тем не менее, они не казались подходящими для этой задачи. Есть ли какой -нибудь метод, который мог бы сделать это? Некоторый пример кода поставлен ниже-хотя очень просто.lats = np.linspace(-89.5, 89.5, 180)
lons = np.linspace(-179.5, 179.5, 360)
vals_to_cluster = np.random.random(size=(14, 180, 360))

# Just for showing purposes:
import matplotlib.pyplot as plt
import cartopy.crs as ccrs
import cartopy.feature as cfeat
fig = plt.figure()
ax = fig.add_subplot(111, projection=ccrs.PlateCarree())
ax.imshow(vals_to_cluster[0], extent=[-180, 180, -90, 90])# Show only first member
ax.add_feature(cfeat.COASTLINE)```


Подробнее здесь: https://stackoverflow.com/questions/794 ... -on-values