聚类实现异构组

Question

我想根据分类变量（可以是低、中或高）对 100 个用户进行分组。组大小应为 3。假设用户分布均匀，我想获得组内的最大异质性。我想知道我是否可以使用一些聚类算法根据差异进行分组？有什么建议吗？

Answer 1

我认为您不需要聚类算法来根据分类变量对数据进行分组。

根据你的问题，我认为这应该可行。

# Code
from sklearn.model_selection import train_test_split

group1, group23 = train_test_split(data, test_size=2/3., stratify=data['lab'])
group2, group3 = train_test_split(group23, test_size=1/2., stratify=group23['lab'])

Stratify 确保为给定的 categorical value.

保持最大的异质性

# Sample output

print(data)
   val1  val2 lab
0     1     1   L
1     2     2   L
2     3     3   L
3     4     4   M
4     5     5   M
5     6     6   M
6     7     7   H
7     8     8   H
8     9     9   H

print(group1)
   val1  val2 lab
4     5     5   M
1     2     2   L
6     7     7   H

print(group2)
   val1  val2 lab
8     9     9   H
2     3     3   L
3     4     4   M

print(group3)
   val1  val2 lab
0     1     1   L
7     8     8   H
5     6     6   M

train_test_split() Documentation

聚类实现异构组

Clustering to achieve heterogeneous groups

cluster-analysis

machine-learning

scikit-learn