基于近邻的加权聚类

Question

我有一个用例，在这个用例中，我需要集群N个事务，但有一个约束，即结果集群中的特定列值对于单个集群应该相同。为此，我一直在使用sklearn的NearestNeights-NN，它似乎在一定程度上锻炼了身体。选择的距离度量是余弦，数据类型是分类的-在实际聚类之前进行一次热编码

现在，如果我有列c1，c2…cn，它与NN一起用于集群，并且如果我想要强制执行标准，对于特定的集群派生的Gi，应该有一个唯一的值，用于列cx，在Gi中。我将如何执行这一点

我浏览了一些文档，其中一些技术间接地建议按cx列进行分组，然后在data and cluster中进行聚类或复制cx列。这些方法是否有效地解决了这个问题

Answer 1

如果您有一个反向索引，那么强制执行一个特定的值是必需的，而其他值是可选的，并且仅用于相似性，这应该很简单。只需考虑带有必填和可选术语的全文搜索示例

根据您执行的查询数量，线性搜索和“分组方式”都可以