বর্গাকার (ডাব্লুএসএস) এর গ্রুপের যোগফলকে ন্যূনতম করার জন্য আমাকে ক্লাস্টার ইউনিটগুলি ক্লাস্টারগুলিতে করতে হবে, তবে আমার নিশ্চিত করতে হবে যে প্রতিটি ক্লাস্টারে কমপক্ষে ইউনিট রয়েছে। কোনও ধারণা যদি আর এর কোনও ক্লাস্টারিং ফাংশন ন্যূনতম ক্লাস্টার আকারের সীমাবদ্ধতার সাপেক্ষে ক্লাস্টারগুলিতে ক্লাস্টারিংয়ের অনুমতি দেয় ? kmeans () কোনও আকারের বাধা বিকল্প হিসাবে উপস্থিত বলে মনে হচ্ছে না।এম কে
উত্তর:
ইএম ক্লাস্টারিং ব্যবহার করুন
ইএম ক্লাস্টারিং-এ, অ্যালগরিদম পুনরাবৃত্তভাবে ডেটা ফিট করার জন্য একটি প্রাথমিক ক্লাস্টার মডেলটিকে সংশোধন করে এবং একটি ক্লাস্টারে কোনও ডেটা পয়েন্টের উপস্থিতি সম্ভাবনা নির্ধারণ করে। সম্ভাব্য মডেল যখন ডেটা ফিট করে তখন অ্যালগরিদম প্রক্রিয়াটি শেষ করে। ফিট নির্ধারণ করতে ব্যবহৃত ফাংশনটি হ'ল মডেলটির দেওয়া ডেটার লগ-সম্ভাবনা।
প্রক্রিয়া চলাকালীন যদি খালি ক্লাস্টার তৈরি করা হয়, বা এক বা একাধিক ক্লাস্টারের সদস্যতা যদি একটি নির্দিষ্ট প্রান্তিকের নীচে পড়ে, তবে কম জনসংখ্যার ক্লাস্টারগুলি নতুন পয়েন্টগুলিতে পুনরায় সংযুক্ত করা হয় এবং ইএম অ্যালগরিদম পুনরায় চালু করা হয়।
এই কাগজটিতে এই সমস্যাটির সমাধান করা হয়েছে:
ব্র্যাডলি, পিএস, কেপি বেনেট, এবং আয়ান ডিমিরিজ। "সীমাবদ্ধ কে-মানে ক্লাস্টারিং।" মাইক্রোসফট রিসার্চ, রেডমন্ড (2000) : 1-8।
পাইথনে আমার অ্যালগরিদমের প্রয়োগ রয়েছে have
rPythonআমার আর স্ক্রিপ্ট থেকে অ্যাক্সেস করে এই প্রয়োগের একটি ইন্টারফেস তৈরি করতে আর এর মধ্যে প্যাকেজটি ব্যবহার করেছি।
আমি মনে করি এটি কেবল ক্লাস্টারের আকারের জন্য একটি পরীক্ষা দিয়ে লুপ হিসাবে অংশ হিসাবে কে মানে চালানো বিষয় হবে, ক্লাস্টার কেতে গণনা এন - এটিও মনে রাখবেন যে কে মানে একই ডেটাতে প্রতিটি রানের জন্য বিভিন্ন ফলাফল দেবে "সেরা" ফলাফলটি বের করার জন্য আপনার সম্ভবত এটি কোনও লুপের অংশ হিসাবে চলমান উচিত
আপনার ডেটা সেট কত বড়? হতে পারে আপনি একটি শ্রেণিবিন্যাসিক ক্লাস্টারিং চালানোর চেষ্টা করতে পারেন এবং তারপরে সিদ্ধান্ত নিতে পারেন আপনার ডেনড্রগ্রামের উপর ভিত্তি করে কোন ক্লাস্টার ধরে রাখতে পারে।
যদি আপনার ডেটা সেটটি বিশাল হয় তবে আপনি উভয় ক্লাস্টারিং পদ্ধতিগুলি একত্রিত করতে পারেন: একটি প্রাথমিক অ-স্তরক্রমিক ক্লাস্টারিং এবং তারপরে অ-স্তরক্রমিক বিশ্লেষণ থেকে গোষ্ঠীগুলি ব্যবহার করে একটি শ্রেণিবদ্ধ ক্লাস্টারিং। আপনি মার্টিনিজ-যাজক এট আল (2005) এ এই পদ্ধতির উদাহরণ খুঁজে পেতে পারেন
ক্লাস্টার অ্যাসাইনমেন্ট স্টেপ (ইএম ইন ই) সংশোধন করে এটি ন্যূনতম ব্যয় প্রবাহ (এমসিএফ) রৈখিক নেটওয়ার্ক অপ্টিমাইজেশন সমস্যা হিসাবে রূপায়িত করে অর্জন করা যেতে পারে।
আমি একটি পাইথন প্যাকেজ লিখেছি যা গুগলের অপারেশনস গবেষণা সরঞ্জামগুলির সিম্পলমিনকস্টফ্লো ব্যবহার করে যা একটি দ্রুত সি ++ বাস্তবায়ন + এটিতে একটি স্ট্যান্ডার্ড সাইকিট-লীন এপিআই রয়েছে।