如何強制聚類算法匹配預期結果？

Question

我有2個具有多個變量的數據集（data_A和data_B）。 有2個可能的輸出（pheno_1和pheno_2）。 我知道data_A的pheno_1幾乎為100％，data_B的pheno_1約為50％。 但是數據集未標記。 我正在尋找一種聚類或分類算法，以使其與我的預期結果相匹配的方式對我的數據進行聚類。 然后，我將使用聚類預測不同數據集的輸出。

到目前為止，我正在使用K-Means並嘗試使用不同的變量集和不同的規范化方法，以獲得最終結果。 我想找出一個“自動”方法，嘗試不同的組合，直到找到我想要的東西為止。

目前沒有代碼顯示。

Answer 1

在R軟件包ConsensusClusterPlus中，他們使發現簇的過程自動化，從而消除了K均值的隨機性，並測試了多個K值。

當涉及到您的問題時，我建議：

1. 在data_B上運行共識集群
2. 對於每個K群集，計算“共識”質心
3. 對於data_A中的每個樣本，請計算到步驟2到質心的距離，並將每個樣本分配給最接近的質心。
4. 現在，您可以為data_A和data_B中的所有數據分配標簽/簇，您可以使用隨機森林或XGboost訓練分類器。

Answer 2

您可以查看約束K均值。 這是一個R 包和解釋其背后原理的論文 。 它應該允許您指定k個約束，您可以在其中確定每個群集的限制。