如何在限制點之間的最大距離和每個簇的最大點數的情況下對 lat/lng 數據進行聚類

Question

我有一組分布在整個城市的緯度/經度坐標（大約 1000）。 我想按照一些嚴格的規則使用這些數據創建集群：

1. 任何集群中都不能有超過 X 個數據點（可能是 8 個，但這可能會改變）
2. 任何集群都不能包含兩個數據點之間的距離超過 Xkm（可能是 1km，但這也可以改變）
3. 可以有一個單點的集群
4. 不需要創建特定數量的集群

我已經嘗試使用 sklearn 的 AgglomerativeClustering 執行此操作，使用以下代碼：

from sklearn.cluster import AgglomerativeClustering

cluster = AgglomerativeClustering(n_clusters=None, affinity='euclidean', linkage='complete', distance_threshold=0.01)
cluster.fit_predict(arr)

這里的問題是我沒有完成上面的第 1,2 或 3 項，只完成了第 4 項。

我想要一個聚類算法，我可以在其中設置這些參數並讓它運行最有效的聚類（即：尊重所有項目 1、2、3 和 4 的最少數量的聚類）。

有什么辦法可以用 sklearn 或任何其他導入的聚類算法來完成，還是必須手動構建？

謝謝！

Answer 1

自己寫。

一種簡單的方法是使用凝聚聚類（真正的聚類，例如來自 scipy；sklearn 版本太有限）來獲取完整鏈接的完整合並歷史記錄。 如果它們滿足您的兩個要求，則開始自下而上處理合並：鏈接是最大距離，如果集群變得太大，則停止合並。

但是請注意，結果將非常不平衡。 我的猜測是您希望盡可能少的集群以最大半徑和占用覆蓋您的數據。 那么你的問題很可能更接近set cover 。 在此類問題上找到最佳結果通常是 NP 難題，因此您必須接受使用近似值。 我會采用貪婪的策略，然后通過本地搜索進行迭代細化。