在k-means聚类中，如何设置每个簇的最小观察值？

Question

我正在尝试根据用户的行为对一些产品进行聚类。我最后得到的是具有非常不同数量的观察值的星系团。

我已经检查了k-means聚类参数，但无法找到控制每个聚类的最小(或最大)观察值数量的参数。

例如，这里是如何在不同的集群中分布观察值的数量。

cluster_id   num_observations
0   6
1   4
2   1
3   3
4   29
5   5

有什么关于如何处理这个问题的帮助吗？有没有其他的聚类算法可以解决这个问题？

Answer 1

对于那些仍在寻找答案的人。我找到了一个处理这类问题的good module或this module

使用pip install size-constrained-clustering或pip install git+https://github.com/jingw2/size_constrained_clustering.git并使用MinMaxKMeansMinCostFlow，您可以在其中选择size_min和size_max

n_samples = 2000
n_clusters = 3
X = np.random.rand(n_samples, 2)
model = minmax.MinMaxKMeansMinCostFlow(n_clusters, size_min=400,   size_max=800)
model.fit(X)
centers = model.cluster_centers_
labels = model.labels_

Answer 2

这将通过k-means约束pip库来解决。check here

示例：

>>> from k_means_constrained import KMeansConstrained
>>> import numpy as np
>>> X = np.array([[1, 2], [1, 4], [1, 0],
...                [4, 2], [4, 4], [4, 0]])
>>> clf = KMeansConstrained(
...     n_clusters=2,
...     size_min=2,
...     size_max=5,
...     random_state=0
... )
>>> clf.fit_predict(X)
array([0, 0, 0, 1, 1, 1], dtype=int32)
>>> clf.cluster_centers_
array([[ 1.,  2.],
       [ 4.,  2.]])
>>> clf.labels_
array([0, 0, 0, 1, 1, 1], dtype=int32)