Python 使用特定大小的组进行聚类

是否有任何类型的聚类算法专注于形成特定大小的聚类？这可以看作是一种分组算法，而不是一种聚类算法

基本上，给定n个数据点和一定大小k的固定组，根据特定分类器找到点到集合的最佳分布，这将有望最小化给定组中每个点的分类器距离

---

这个问题似乎与群集问题非常相似，但主要区别在于我们关注的是特定的群集大小，而不是群集的数量。

有一个关于如何在ELKI中实现这种算法的教程：

还可以看看约束聚类算法；尽管通常这些算法只支持“必须链接”和“不能链接”约束，而不支持大小约束

您应该能够进行类似的修改，首先指定组大小，然后随机分配点，只要目标函数有所改进，就可以交换集群成员；类似于k-均值/k-均值。由于您可能会陷入局部极小值，请多次重新启动，并只保留最佳值

另请参见前面的问题，例如：。 和

---

您提出的问题是一个组合优化问题。这是非常重要的，知道你是否需要一个精确的解决方案，或者你能满足于一个近似的

---

如果您需要精确的解决方案，有一个解决方案将重点放在具有不同类型约束的集群上。您提到的约束可以在这个框架中进行编码。然而，您现在应该知道，这种方法可以扩展到具有特定大小的数据集

我能想到的是实施“饥饿”机制。如果为一个簇分配了太多的数据点，超过了临界值，则该簇将变得“膨胀”并分成两个（K-均值）或缩小大小（减少高斯混合中的标准偏差）。相反，如果质心变得“饥饿”，则应将其移除或扩大尺寸。缺点是，这无法精确达到预期的群集大小，并且还存在潜在的“全局饥饿”问题。可能重复