Cluster computing 对二进制矩阵进行聚类的合适方法是什么

我是集群的初学者，我有一个二进制矩阵，每个学生都有他们注册的课程。我想把学生分成相同的小组

聚类方法很多，并且根据数据集的不同而不同

例如，k-means是不合适的，因为数据是二进制的，标准的“means”操作对二进制没有多大意义

我愿意接受任何建议

下面是一个例子：

+------------+---------+--------+--------+
|  session1  | session2|session3|session4|
+------------+---------+--------+--------+
|     1      |    0    |   1    |    0   |
|     0      |    1    |   0    |    1   |
|     1      |    0    |   1    |    0   | 
|     0      |    1    |   0    |    1   |
+------------+---------+--------+--------+

结果:

     s1    s2    s3    s4
1  TRUE FALSE  TRUE FALSE
2 FALSE  TRUE FALSE  TRUE
3  TRUE FALSE  TRUE FALSE
4 FALSE  TRUE FALSE  TRUE

 dist(mat, method="binary") # jaccard distance

  1 2 3
2 1    
3 0 1  
4 1 0 1

clusterA=[user1，user3]

---

clusterB=[user2，user4]

您可以为每对点使用Jaccard距离

在R中：

结果:

     s1    s2    s3    s4
1  TRUE FALSE  TRUE FALSE
2 FALSE  TRUE FALSE  TRUE
3  TRUE FALSE  TRUE FALSE
4 FALSE  TRUE FALSE  TRUE

 dist(mat, method="binary") # jaccard distance

  1 2 3
2 1    
3 0 1  
4 1 0 1

结果:

     s1    s2    s3    s4
1  TRUE FALSE  TRUE FALSE
2 FALSE  TRUE FALSE  TRUE
3  TRUE FALSE  TRUE FALSE
4 FALSE  TRUE FALSE  TRUE

 dist(mat, method="binary") # jaccard distance

  1 2 3
2 1    
3 0 1  
4 1 0 1

第3行与第4行的距离为1。 碰巧，这里的距离都是1和0。这些实际上是浮动。（此处您的玩具数据集可能过于简单）

将它们分类：

hclust(dist(mat, method="binary"))

结果（信息量不大）：

创建树状图

plot(hclust(dist(mat, method="binary")))

---

是否有一种方法可以通过java（IntelliJ）实现这一点，您可以尝试导入。Weka还实现了这些聚类方法。但我建议先学习Weka GUI（“浏览器”）。在资源管理器中，只需单击一个按钮，就可以生成一些所需的java源代码。