R：如何从树状图中获得大致相同大小的簇

Question

我试图根据学生的兴趣对他们进行分组。 小组应该有大致相同的规模，即使这意味着有些学生如果不适合任何小组，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好的树状图 - 所以它完美地工作 - 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k （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。

如果你看绘制的树，有一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，我想要做的是“禁止”某个最小规模的组，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，或者我是否必须编写自己的函数来在聚类后进行一些清理？

我在 StackOverflow 上发现了类似的问题（例如这个），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。

预先感谢您的意见！

梅尔

Answer 1

正如 Merle 在评论中指出的那样，该解决方案不必基于层次聚类方法。

您可以使用anticlust包中的balance_clustering balanced_clustering()函数来创建大小相等的集群。 这是使用 iris 数据集的示例：

library(anticlust)

data(iris)

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

输出是指示组成员资格的向量。 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()来完成，您可以在其中指定组的大小，但是：

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