具有最少点数的聚类算法

Question

我正在尝试分离一个数据集，该数据集具有 2 个无论如何都不重叠的集群和一个远离这两个集群的数据点。

当我使用 kmeans() 获取 2 个集群时，它会将其中一个“有效”集群分成两半，并将单个数据点视为一个单独的集群。

有没有办法为此指定最小点数？我正在使用 MATLAB。

Answer 1

有几种解决方案：

1. 简单：尝试使用 3 个集群；
2. 简单：删除单个数据点（您可以使用任何异常值检测技术将其检测为异常值；
3. 待尝试：使用 k-medoids 方法而不是 k-means。这有时有助于消除异常值。
4. 更复杂但肯定有效：执行spectral clustering。这可以帮助您克服 k-means 的主要问题，即粗暴地使用欧几里得距离

更多关于 k-means 不当行为的解释可以在 Cross Validated 网站上找到（例如，参见 here）。