R：如何从树状图中获得大致相同大小的集群答案

【问题标题】：R: How to get clusters of roughly the same size from dendrogramR：如何从树状图中获得大致相同大小的集群
【发布时间】：2020-11-03 01:45:29
【问题描述】：

我尝试按学生的兴趣对他们进行分组。这些小组的规模应该大致相同，即使这意味着如果某些学生不适合任何小组，他们就不会真正与小组成员分享兴趣。

我使用了 R 的 hclust() 函数并得到了一个非常漂亮的树状图 - 所以效果很好 - 但是当我尝试使用 cutree() 设置集群时，我可以调整 h（树的高度）或 @ 987654325@（所需的组大小）。问题是，即使我将组大小设置为某个值，我也会得到一些更小的组。

如果你看一下绘制的树，有些学生的兴趣与其他学生完全不同，所以我想这就是它发生的原因。

为了防止这种情况，我想做的是“禁止”具有一定最小规模的组，所以如果有这样的组，它们会被添加到另一个小组或类似的东西中。有没有一种简单的方法可以做到这一点，还是我必须编写自己的函数来在集群后清理一下？

我在 StackOverflow 上发现了类似的问题（例如 this one），但它们都没有被标记为已回答，在我提到的特定情况下，恐怕我并没有真正得到建议的解决方案。

提前感谢您的意见！

梅尔

【问题讨论】：

如果您并不真正需要“分层”聚类方法，而只是想将您的学生分成大小相等的组，您可以查看 anticlust 包中的函数 balanced_clustering() . （或者matching() 在同一个包中，它的作用几乎相同，但您可以指定组的大小而不是集群的数量）。
哦，这听起来正是我需要的！谢谢！！！
好的，那我把这个添加为答案。
再次感谢，这就像魔术一样！
作为包的作者，很高兴知道这一点：D

标签： r cluster-analysis hierarchical-clustering

【解决方案1】：

正如 Merle 在评论中指出的那样，解决方案不必基于层次聚类方法。

您可以使用anticlust 包中的函数balanced_clustering() 创建大小相等的集群。这是一个使用 iris 数据集的例子：

library(anticlust)

data(iris)

iris$group <- balanced_clustering(
  iris[, -5],
  K = nrow(iris) / 5 # 5 plants per group
)

输出是表示组成员身份的向量。例如，这是一组相似的植物：

subset(iris, group == 1)
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species group
#> 1           5.1         3.5          1.4         0.2  setosa     1
#> 5           5.0         3.6          1.4         0.2  setosa     1
#> 8           5.0         3.4          1.5         0.2  setosa     1
#> 18          5.1         3.5          1.4         0.3  setosa     1
#> 40          5.1         3.4          1.5         0.2  setosa     1

请注意，我使用四个数字标准进行聚类，而不是“物种”。

同样可以使用anticlust::matching() 来指定组的大小，但是：

matching(iris[, -5], p = 5)

【讨论】：