R：如何從樹狀圖中獲得大致相同大小的簇

Question

我試圖根據學生的興趣對他們進行分組。 小組應該有大致相同的規模，即使這意味着有些學生如果不適合任何小組，就不會真正與小組成員分享興趣。

我使用了 R 的hclust()函數並得到了一個非常好的樹狀圖 - 所以它完美地工作 - 但是當我嘗試使用cutree()設置集群時，我可以調整h （樹的高度）或k （所需的組大小）。 問題是，即使我將組大小設置為某個值，我也會得到一些更小的組。

如果你看繪制的樹，有一些學生的興趣與其他學生完全不同，所以我想這就是它發生的原因。

為了防止這種情況，我想要做的是“禁止”某個最小規模的組，所以如果有這樣的組，它們會被添加到另一個小組或類似的東西中。 有沒有一種簡單的方法可以做到這一點，或者我是否必須編寫自己的函數來在聚類后進行一些清理？

我在 StackOverflow 上發現了類似的問題（例如這個），但它們都沒有被標記為已回答，在我提到的特定情況下，恐怕我並沒有真正得到建議的解決方案。

預先感謝您的意見！

梅爾

Answer 1

正如 Merle 在評論中指出的那樣，該解決方案不必基於層次聚類方法。

您可以使用anticlust包中的balance_clustering balanced_clustering()函數來創建大小相等的集群。 這是使用 iris 數據集的示例：

library(anticlust)

data(iris)

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

輸出是指示組成員資格的向量。 例如，這是一組相似的植物：

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

請注意，我使用四個數字標准進行聚類，而不是“物種”。

同樣可以使用anticlust::matching()來完成，您可以在其中指定組的大小，但是：

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