聚类成三个最近的邻居答案

【问题标题】：Clustering into Three Nearest Neighbors聚类成三个最近的邻居
【发布时间】：2018-08-29 02:26:31
【问题描述】：

我有 73 个 GPS 坐标，然后我想分成 30 组，每组 2-3 个。完成此任务的最佳算法是什么？

【问题讨论】：

【解决方案1】：

首先，我认为来自 scikit-learn comparing different clustering algorithms 的这篇文章会有所帮助。光谱聚类、DBSCAN、高斯混合模型等都有适合的情况，所有这些的概述确实超出了 StackOverflow 的范围。

综上所述，没有“最佳”聚类算法。这在很大程度上取决于您希望集群具有哪些属性。例如

这是大多数涉及数据的事情的共同主题。聚类本身并不是目标（如果是，您只需将数据分成 2-3 组并完成）。您有一些其他问题正在尝试通过集群解决。一旦你缩小了其他问题的范围，根据所需的性能特征选择聚类算法就很容易了。

即使该选择超出了您目前的经验，明确的规范也会使您的问题对未来的用户更有价值，并使我们能够提供真正可以帮助您的答案。

【讨论】：

【解决方案2】：

找到确切的最佳解决方案可能是 NP 困难，因为它与背包问题相似。幸运的是，您的积分很少，因此您可以负担得起相当昂贵的搜索。

您为什么不为此使用通用约束求解器？指定您的约束（每个点都是分区的成员，每个分区是 2-3 个对象）和质量（最小距离）。然后让优化器发挥它的魔力？

聚类在这里对您没有多大帮助，因为聚类算法通常将空间结构放在首位，并且不允许对聚类大小进行限制。因此，如果您运行例如 k-means，它将生成更大或更小的集群。如果你有四个距离为零的点怎么办？任何聚类都会将这四个放在同一个聚类中！

【讨论】：