如何确保列表中的实数至少相距'y‘？

Question

我有一堆数据(x，y)，我想对它们进行聚类(比如60个点)。然而，由于数据的性质，一些集群可能非常小(1-2个点)，而其他集群可能包含许多点(5-6个)。由于固有的随机起始点，运行k均值算法会导致不唯一的质心值。我知道每个星团的中心在y方向上应该至少是'y‘的距离。(x相对不重要)所以在运行我的kmeans之后，如果任何2个集群的中心在'y‘内，我想重新运行kmeans算法，直到它达到我的标准。此外，如果没有收敛，聚类的数量可以慢慢减少。

我该如何在R中做呢？

Answer 1

你的问题没有实际意义：y是一个变量，还是给定维度中集群之间的最小距离？

这就是说，我们来试一试。簇的中心在k均值拟合的分量$centers中。所以你可以重复这个过程，直到你得到一个拟合，其中中心在y维度上至少相距给定的距离。

repeat {
    m <- kmeans(df, k)
    cy <- m$centers[, 2]
    cy_diff <- diff(sort(cy))
    if(all(cy_diff > min_dist)) break
}

根据您的数据替换df、k和min_dist。这一切在统计上都是可疑的，但这是CrossValidated的问题。