c# - 聚类非矩阵字符串数组

Question

我正在寻找一种方法来实现能够对字符串数组进行聚类的聚类算法。

假设输入如下:

string[][] input =
{
     new string[] { "A", "B", "C", "D", "F", "G"},
     new string[] { "D", "F", "G", "H"},
     new string[] { "A", "B", "C", "G"},
     new string[] { "B", "C", "Z", "A", "F"},
     new string[] { "O", "N", "P", "X"}
};

算法应该能够识别项目 0、2 和 3 位于同一簇。但我该怎么做呢？

我尝试了什么？我一直在尝试使用 Accord.net 框架来构建 KMeans 集群。但我注意到 Kmeans 只适用于双数(因此我将 string[] 中的每个值转换为数字并再次尝试)。作为距离测量，我实现了 Jaccard距离。

在此之后，我收到一条错误消息，指出“点矩阵应该是矩形”。这是有道理的，因为我的输入不是矩形矩阵。

所以我问你们:我该如何实现这个？在这种情况下对项目进行聚类的最佳方法是什么？有什么想法或建议吗？

代码示例:

double[][] inputs =
{
     new double [] { 0, 1, 2, 3, 4 },
     new double [] { 0, 1, 5, 2, 3, 4 },
     new double [] { 33, 0, 1, 5, 2, 4 },
     new double [] { 0, 1, 2, 6, 7,  8},
     new double [] { 0, 9, 1, 2, 6, 8 },
     new double [] { 0, 4, 10, 15, 11, 12, 13  },
     new double [] { 0, 4, 14, 15, 11, 12, 13, 16  },
     new double [] { 0, 17, 18, 11, 19, 12, 20},
     new double [] { 0, 17, 18, 11, 19, 12, 20, 15, 26},
     new double [] { 0, 4, 14, 15, 11, 12, 13, 16, 17, 18  },
     new double [] { 0, 21, 22, 23, 24, 26, 25},
     new double [] { 24, 26, 27, 21, 28, 29, 1},
     new double [] { 24, 243, 26, 30},
     new double [] { 31, 24, 22, 23, 0, 11, 26 }
     // Many others... 
};

var kmeans   = new KMeans(k: 3, distance: new JaccarDistanceDouble() );
var clusters = kmeans.Learn(inputs); // Throws the error.
int[] labels = clusters.Decide(inputs);

Answer 1

K 均值需要连续变量。

因为它需要计算平均值。因此得名。

因此，您不能对此数据使用 k-means。

相反，选择其他聚类算法。但我怀疑集群是否能解决你的问题(但你没有解释你的问题)。更有可能的是，诸如频繁项集挖掘之类的其他方法将是正确的方法。