通过分组优化 Python 打包

Question

我有一个现实世界的问题，我认为需要某种优化，而不是对我关心的数据数组进行简单排序。我将在下面概述问题:

我有一个由不同设备组成的数据集，每个设备都有属性 A 和 B。A 和 B 彼此不依赖，但是，我想以特定方式打包其中 3 个设备。

所选 3 台设备的 A 值应该彼此相似。

B 值也应该彼此相似。

例如，在这个数据中，有:

• 250 台设备(A 和 B 各有一个值)

• A 的 90 个唯一值

• B的36个唯一值

最终，这些设备应该被打包成三个，分别在 A 值和 B 值之间取得良好的平衡。对于每个属性，如果没有包含每个标准的相同值的三元组，也可以使用相邻的 bin。

我想将这些设备分成 3 个一组，因为在限制条件下可以有尽可能多的包。

所以我的问题是:这是什么组合问题，在 Python 中有什么方法可以实现它？任何有关此类问题的资源都将不胜感激，因为我对这个引人入胜的主题还很陌生。

如果解释的任何部分不清楚，请告诉我，我会尽力澄清。谢谢你!

为清晰起见进行编辑:以下是一些示例数据:

DeviceNumber = [1,2,3,4,5,6]
A = [0.3, 0.3, 0.4, 0.2, 0.3, 0.4]
B = [0.02, 0.04, 0.03, 0.02, 0.02, 0.03]

我希望它把它分组，这样

模块 1 将有设备 1,4,5

模块 2 将有设备 2,3,6

让我们假设 A 和 B 的数据服从正态分布。

我想我正在尝试最小化仅 A 值和仅 B 值之间的差异，并找到将它们按三组分组的方法。

编辑 2:所以，数据在起作用，而我现在不在，但这是我为 12 个设备制作的 A 和 B 值分布的一些图表

http://imgur.com/a/Zvdtm

多个设备具有相同的 A 值。这些设备之间也可能具有相似的 B 值。如果是这样，我想将其中三个放在一起，删除它们，然后重复检查值和分组。随着匹配减少，我想扩大我的分组搜索条件。

我希望这能解决更多的问题。再次感谢迄今为止的所有反馈!

Answer 1

您的问题似乎是标准的聚类分析，特别是 k-medoids .考虑到 k-medoids 的工作方式，您不需要从集合中删除集群，您只需将 k 设置为 n/3。

似乎没有实现该算法的“权威”k-medoids Python 包，但是 pyCluster看起来合理(只有基于 C 的文档)。 SciPy.cluster 中明显没有它.

鉴于您在图像中呈现的样本数据，您将得到类似这样的 by-eye k-medoids 聚类: